我正在尝试了解nnet
背后的代码。将多项式因子拆分为二进制列而不使用公式方法时,当前得到不同的结果。
library(nnet)
set.seed(123)
y <- class.ind(iris$Species)
x <- as.matrix(iris[,1:4])
fit1 <- nnet(x, y, size = 3, decay = .1)
# weights: 27
#initial value 164.236516
#iter 10 value 102.567531
#iter 20 value 58.229722
#iter 30 value 39.720137
#iter 40 value 25.049530
#iter 50 value 23.671837
#iter 60 value 23.602392
#iter 70 value 23.601927
#final value 23.601926
#converged
pred1 <- predict(fit1, iris[,1:4])
rowSums(head(pred1))
[1] 1.032197661 1.033700173 1.032750746 1.034229149 1.032052937 1.032539980
set.seed(123)
fit2 <- nnet(Species ~ ., data = iris, size = 3, decay = .1)
# weights: 27
#initial value 158.508573
#iter 10 value 37.167558
#iter 20 value 26.815839
#iter 30 value 23.746418
#iter 40 value 23.698182
#iter 50 value 23.697907
#final value 23.697907
#converged
pred2 <- predict(fit2, iris[,1:4])
rowSums(head(pred2))
1 2 3 4 5 6
1 1 1 1 1 1
我知道我可以使用后一种方法(
formula
方法),但是我想了解为什么在源代码nnet.formula
中出现相同的因子分解方法时,结果却不同。 最佳答案
如@ user20650所指出的,softmax
参数是不同的。在nnet.formula
内部,有以下部分:
if (length(lev) == 2L) {
y <- as.vector(unclass(y)) - 1
res <- nnet.default(x, y, w, entropy = TRUE, ...)
res$lev <- lev
}
else {
y <- class.ind(y)
res <- nnet.default(x, y, w, softmax = TRUE, ...)
res$lev <- lev
}
此处
softmax
设置为TRUE
。在nnet
调用中设置它可以解决问题,并且现在可以匹配。fit <- nnet(x, y, size = 3, decay = .1, softmax = TRUE)
pred <- predict(fit, iris[,1:4])
rowSums(head(pred))
关于r - 了解多项式nnet,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/37621320/