To pytanie powinno być naprawdę proste. Ale dokumentacja nie pomaga.

Używam R. Muszę użyćneuralnet pakiet dla problemu klasyfikacji wielomianowej.

Wszystkie przykłady dotyczą wyjścia dwumianowego lub liniowego. Mogę wykonać jedną implementację typu „wszystko w jednym” przy użyciu wyjścia dwumianowego. Uważam jednak, że powinienem być w stanie to zrobić, mając 3 jednostki jako warstwę wyjściową, gdzie każda jest dwumianowa (tzn. Prawdopodobieństwo, że jest to poprawne wyjście). Nie?

Tego właśnie chciałbym użyćnnet (które według mnie robi to, co chcę):

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

To właśnie próbuję zrobić używającneuralnet (formuła hack jest, ponieważneuralnet nie wydaje się wspierać.„notacja we wzorze):

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