使用 nnet 包中的 multinom 函数时，如何控制神经网络的架构？答案

【问题标题】：When using the multinom function from the nnet package, how can I control the architecture of the neural networks?使用 nnet 包中的 multinom 函数时，如何控制神经网络的架构？
【发布时间】：2012-04-15 16:49:12
【问题描述】：

也就是说，当我做nnet(...)时，我可以使用size参数来控制隐藏层的单元数。我的特定模型需要输出概率，所以我想要逻辑单元，所以我从 nnet 包转向 multinom 以在我的预测函数中输出 type='probs'。如何传递大小参数？当我用 size=5 或其他东西调用它时，我得到一个错误：

 formal argument "size" matched by multiple actual arguments

【问题讨论】：

nnet 错误：找不到对象“nnet”
multinom 似乎在其对 nnet.default 的调用中硬编码了 size = 0。我怀疑这有数学上的原因，但不方便进一步推测。
library('nnet')..也是，是的，它似乎是 size=0，这听起来与逻辑回归相同！
@PalaceChan：不同之处在于multinom 可以处理具有 3 个或更多水平的因子响应，而逻辑回归（在 glm 中实现）仅适用于二元响应。

标签： r neural-network

【解决方案1】：

multinom 适合线性多项逻辑模型，这就是 size 参数被硬编码为 0 的原因。如果您想要一个具有多项输出的实际神经网络，只需使用 nnet 并响应2级以上，并设置softmax=TRUE。

【讨论】：