r - 了解多项式nnet

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/

Nnet

r - 了解多项式nnet