提问人：MoHaMaD rEzA 提问时间：12/12/2022 最后编辑：MoHaMaD rEzA 更新时间：12/13/2022 访问量：193
插入符号中的Nnet，基本结构
Nnet in caret, basic structure
问：
我对 R 中的插入符号包和 nnet 非常陌生。我以前用Matlab做过一些与ANN相关的项目，但现在我需要使用R，我需要一些基本的帮助。 我的输入数据集有 1000 个观测值（以行为单位）和 23 个变量（以列为单位）。我的输出有 1000 个观测值和 12 个变量。
以下是一些代表我的数据集的示例数据，可能有助于更好地理解我的问题：
input = as.data.frame(matrix(sample(1 : 20, 100, replace = TRUE), ncol = 10))
colnames(input) = paste ( "X" , 1:10, sep = "") #10 observations and 10 variables
output = as.data.frame(matrix(sample(1 : 20, 70, replace = TRUE), ncol = 7))
colnames(output) = paste ( "Y" , 1:7, sep = "") #10 observations and 7 variables
#nnet with caret:
net1 = train(output ~., data = input, method= "nnet", maxit = 1000)
当我运行代码时，出现以下错误：
错误：变量“output”的类型（列表）无效。
我想我必须单独添加所有输出变量（这很烦人，尤其是有很多变量），如下所示：
train(output$Y1 + output$Y2 + output$Y3 + output$Y4 + output$Y5 +
output$Y6 + output$Y7 ~., data = input, method= "nnet", maxit = 1000)
这次它运行了，但我收到此错误：
（data， ， all.vars（Terms）， drop = FALSE） 中的错误： 未定义的已选择列
[.data.frame
我尝试使用neuralnet包，下面的代码可以完美运行，但我仍然必须单独添加输出变量:(
net1 = neuralnet(output$Y1 + output$Y2 + output$Y3 + output$Y4 +
output$Y5 + output$Y6 + output$Y7 ~., data = input, hidden=c(2,10))
p.s. 由于这些样本数据是随机创建的，因此 neuralnet 无法收敛，但在我的真实数据中它运行良好（与 Matlab ANN 相比）
现在，如果你能帮我找到一种自动（而不是手动）放置输出变量的方法，它解决了我的问题（尽管使用 neuralnet 而不是插入符号）。
答：
0赞
Chathura Perera
12/12/2022
#1
使用 str（） 函数并确定它是一个数据帧，看起来像您正在向 train 函数输入列表。这可能是因为您之前正在执行输出转换。
str(output)
如果没有早期步骤的完整脚本，就很难理解发生了什么。
评论
0赞
MoHaMaD rEzA
12/12/2022
它是数据帧。str（output）： 'data.frame'： 1000 obs. of 12 variables： 我想我必须在输出中单独添加所有变量，如下所示： train（output$X1 + output$X2 + output$X3 + ... + output$X12 ~. ， data = input， method= “nnet”， maxit = 1000） 这样，它运行了，但最后，我收到另一个错误： 错误 （data， ， all.vars（Terms）， drop = FALSE） ： 未定义的已选择列[.data.frame
0赞
Chathura Perera
12/12/2022
您能否分享一些有助于理解该问题的示例数据
0赞
MoHaMaD rEzA
12/12/2022
我添加了一个新答案，其中包含一些可以很好地代表我的数据集的数据。
0赞
MoHaMaD rEzA
12/13/2022
#2
在尝试了不同的东西和搜索之后，我终于找到了解决方案：
首先，我们必须用来显示输入和输出之间的关系。使用下面的代码，我们不需要单独添加所有变量：as.formula
names1 <- colnames(output) #the name of our variables in the output
names2 = colnames(input) #the name of our variables in the input
a <- as.formula(paste(paste(names1,collapse='+', sep = ""),' ~ '
,paste(names2,collapse='+', sep = "")))
然后，我们必须将输入和输出组合到一个数据帧中：
all_data = cbind(output, input)
然后，像这样使用：neuralnet
net1 = neuralnet(formula = a, data = all_data, hidden=c(2,10))
plot(net1)
这也适用于包：caret
net1 = train(a, data = all_data, method= "nnet", maxit = 1000)
但它似乎工作得更快（至少在我的情况下）。neuralnet
我希望这对其他人有所帮助。
评论