У меня проблема с указанием скорости обучения с использованием пакета каретки с методом «mlpWeightDecay» из пакета RSNNS. Параметры настройки "mlpWeightDecay" - это размер и затухание.

Пример, в котором размер константы равен 4, а затухание настройки превышает c (0,0,0001, 0,001, 0,002):

data(iris)
TrainData <- iris[,1:4]
TrainClasses <- iris[,5]

fit1 <- train(TrainData, TrainClasses,
            method = "mlpWeightDecay",
            preProcess = c("center", "scale"),
            tuneGrid=expand.grid(.size = 4, .decay = c(0,0.0001, 0.001, 0.002)),
            trControl = trainControl(method = "cv")
)

Но я также хочу манипулировать скоростью обучения модели, а не просто использовать стандартную скорость обучения 0,2.

Я знаю, что могу использовать дополнительные аргументы метода mlpWeightDecay из RSNNS через параметр "...". «learnFuncParams» будет параметром RSNNS, который мне нужно будет вставить. Требуется 4 параметра (скорость обучения, снижение веса, дмин, дмакс).

Продолжение примера выглядит так:

fit1 <- train(TrainData, TrainClasses,
    method = "mlpWeightDecay",
    preProcess = c("center", "scale"),
    tuneGrid=expand.grid(.size = 4, .decay = c(0,0.0001, 0.001, 0.002)),
    trControl = trainControl(method = "cv"),
    learnFuncParams=c(0.4,0,0,0)
)

НО документация функции каретки говорит мне о параметре "...":
аргументы, передаваемые в процедуру классификации или регрессии (например, randomForest). Ошибки будут возникать, если здесь будут переданы значения параметров настройки.

Проблема в том, что один из 4 параметров «learningFuncParams» (снижение веса) является параметром настройки.

Следовательно я получаю ошибку и предупреждения:

Ошибка в train.default (TrainData, TrainClasses, method = "mlpWeightDecay",: параметры окончательной настройки не могут быть определены. Дополнительно: было 50 или более предупреждений (используйте warnings (), чтобы увидеть первые 50)

Предупреждающие сообщения:

1: В методе $ fit (x = if (! Is.data.frame (x)) as.data.frame (x) else x, ...: Значение переопределения веса в передаваемом вами аргументе learnFuncParams в. Другие значения сохраняются

2: в eval (expr, envir, enclos): подгонка модели не удалась для Fold01: размер = 4, затухание = 0e + 00 Ошибка в mlp.default (x = структура (список (Sepal.Length = c (-0.891390168709482): формальный Аргумент "learnFuncParams" соответствует нескольким фактическим аргументам

Как я могу установить скорость обучения, не вступая в конфликт с параметром настройки «decay», если оба параметра установлены в одном и том же параметре «learningFuncParams»?

Спасибо!