这个问题应该非常简单。但文档并没有提供帮助。

我使用的是R语言。我必须使用neuralnet包来解决一个多项式分类问题。

所有的例子都是关于二项式或线性输出的。我可以使用二项式输出进行一对多实现。但我认为我应该能够通过设置输出层为3个单元来实现，每个单元都是一个二项式（即，该输出为正确输出的概率）。对吗？

这是我使用nnet包（我认为它实现了我想要的功能）时会做的：

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

这是我尝试使用neuralnet包做的（公式的处理是因为neuralnet似乎不支持公式中的’.‘符号）：

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

回答：

你是对的，neuralnet()的公式接口不支持’.‘。

然而，你上面代码的问题在于，目标不能是一个因子。你必须先将因子Species扩展为三个二进制变量。讽刺的是，使用nnet包中的class.ind()函数效果最好（因为nnet()和multinom()可以很好地处理因子，所以不需要这样的函数）：

trainData <- cbind(iris[, 1:4], class.ind(iris$Species))neuralnet(setosa + versicolor + virginica ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, trainData)

这对我来说是有效的。