我正在尝试使用Caret包中的“neuralnet”方法训练模型来预测连续数值变量 . 执行以下代码行时,将引发以下错误:
train.default中的错误(Cadence_IVs,Cadence_Train_Response,method =“neuralnet”,:用于分类的错误模型类型
NN_Cadence <- train(Cadence_IVs, Cadence_Train_Response, method = "neuralnet", layer1 = 10, layer2 = 5, decay = 0.1, linear.output = TRUE)
这是数据看起来喜欢的,有105,000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”被编码为因子,“Date”被编码为Date变量 . 时间被编码为字符,但被排除在Cadence_IV之外 . 所有其他变量都编码为“数字”数据类型,包括响应变量,即“Cadence” .
Cadence_IVs是除Cadence和Time之外的所有列的矩阵 . Cadence_Train_Response是Cadence值的一列矩阵 .
任何帮助将非常感激 . 如果我错过了任何可能有用的细节,请告诉我 .
1 回答
来自插入符号的神经网络仅处理回归并且需要3个参数,即层1-3 .
您必须在调谐网格中提供这些参数 . 这是一个插图,希望你明白这一点 .