neuralnet在插入符：分类

我想训练一个模型来预测一个连续数值变量，在插入符包“neuralnet”的方法错了型号。当执行代码的下面行，下面的错误被抛出：neuralnet在插入符：分类

错误train.default（Cadence_IVs，Cadence_Train_Response，方法= “neuralnet”：错误的模型类型进行分类

NN_Cadence <- train(Cadence_IVs, Cadence_Train_Response, method = "neuralnet", layer1 = 10, layer2 = 5, decay = 0.1, linear.output = TRUE)

这就是数据看起来喜欢，有105000行：

RiderID  Index  Date  Time Average_Gradient Max_Gradient Distance Highest_point Speed   Power  Cadence 
1   27330 3/28/2011 8:19:36  0    6.2   5132.29  12.8   47.9653271 63.3  71.5 
15   991 1/29/2016 6:05:04  -1.5    0   242.9  52.3   10.5608695 267.2  72.6 
15   979 1/29/2016 6:51:19  0    0   581.97  -23   10.03396552 239.2  77.6 
12   49047 4/14/2013 7:45:52  0    3.5   471.2  45.4   18.848  383.6  140.4 
11   46677 5/30/2015 15:25:44 -7.8   -2.6   410.7  124.4  18.66818182 98.3  97.9

“RiderID”被编码为一个因素，“日期”是编码为Date变量。时间被编码为一个字符，但从Cadence_IVs中排除。所有其他变量都编码为“数字”数据类型，其中包括“Cadence”响应变量。

Cadence_IVs是除了Cadence与时间的所有列的矩阵。 Cadence_Train_Response是Cadence值的一列矩阵。

任何帮助将不胜感激。如果我错过了任何可能有用的细节，请告诉我。

来源

2016-12-24 user3775908

在当前状态下，这是不可复制的。请为这两个对象输入（）最少量的样本数据以重现错误。我试图与你在这里什么重现它，但目前还没有足够的行和因为你没有'dput（）'类和元数据丢失。如果你觉得'dput（）'太长，那么尝试用内置数据集重现你的错误。 –

话虽如此，这个错误是你得到一个因变量的因素。我知道你说这不是一个因素，但确保。 –

从插入符神经网仅与回归优惠和需要3个PARAMS即层1-3。

你必须在调电网养活这些参数。这在一个插图中，希望你明白这一点。

tunegrid <- expand.grid(.layer1=4:6, .layer2=2, .layer3=0) 
train(mpg ~ cyl + vs + am + carb, data = mtcars, method="neuralnet", tuneGrid = tunegrid)

来源

2016-12-25 07:29:42

neuralnet在插入符：分类

回答

相关问题