在 R 中使用神经网络方法进行超参数调整答案

【问题标题】：Hyperparameter tuning using neuralnet method in R在 R 中使用神经网络方法进行超参数调整
【发布时间】：2022-01-10 01:50:06
【问题描述】：

我正在使用 Wisconsin Breast Cancer Dataset 解决分类问题：恶性或良性肿瘤的诊断。该数据集有 33 个特征，除诊断（因子）外，所有特征都是数字的。我正在尝试构建 DNN 模型并调整 训练函数中的神经网络方法的超参数，但是当我运行模型时出现错误：“错误：分类的模型类型错误”强>。这种情况我该怎么办？

set.seed(1)
library(neuralnet)

grid <- expand.grid(layer1=c(1:20), layer2=c(1:20), layer3=c(1:20))
DNN <- train(diagnosis ~., data = train.df, method = "neuralnet", linear.output = FALSE,
         tuneGrid = grid, metric = "Kappa", trControl=train_control, 
         maxit = 500, allowParallel = TRUE )

pred <- predict(DNN, newdata = valid.df)
confusionMatrix(pred, valid.df$diagnosis)

【问题讨论】：

标签： r machine-learning classification r-caret

【解决方案1】：

插入符号中使用的neuralnet方法，只能用于回归建模，不能用于分类。您需要选择不同的型号。您可以使用插入符号here 检查哪些模型可用于分类。

对于神经网络和分类，您可以使用mxnet 和nnet 方法。

【讨论】：