Diese Frage sollte wirklich einfach sein. Aber die Dokumentation hilft nicht.

Ich benutze R. Ich muss das benutzenneuralnet Paket für ein multinomiales Klassifikationsproblem.

Alle Beispiele gelten für binomiale oder lineare Ausgabe. Ich könnte eine One-vs-All-Implementierung mit Binomial-Ausgabe durchführen. Aber ich glaube, ich sollte in der Lage sein, dies zu tun, indem ich 3 Einheiten als Ausgabeebene habe, wobei jede eine Binomialzahl ist (dh die Wahrscheinlichkeit, dass dies die richtige Ausgabe ist). Nein?

Das würde ich benutzennnet (von dem ich glaube, dass es das tut, was ich will):

data(iris)
library(nnet)
m1 <- nnet(Species ~ ., iris, size = 3)
table(predict(m1, iris, type = "class"), iris$Species)

Dies ist, was ich versuche, mit zu tunneuralnet (Die Formel Hack ist, weilneuralnet scheint das nicht zu unterstützen '.'Notation in der Formel):

data(iris)
library(neuralnet)
formula <- paste('Species ~', paste(names(iris)[-length(iris)], collapse='+'))
m2 <- neuralnet(formula, iris, hidden=3, linear.output=FALSE)
# fails !