在 R 中使用神经网络方法进行超参数调整

Question

我正在使用威斯康星州乳腺癌数据集来解决分类问题：恶性或良性肿瘤的诊断。 该数据集有 33 个特征，除诊断（因子）外，所有特征都是数字的。 I'm trying to build DNN model and tune hyperparameters of neuralnet method in train function , but when I ran the model I get an error: "Error: wrong model type for classification" . 在这种情况下我该怎么办？

set.seed(1)
library(neuralnet)

grid <- expand.grid(layer1=c(1:20), layer2=c(1:20), layer3=c(1:20))
DNN <- train(diagnosis ~., data = train.df, method = "neuralnet", linear.output = FALSE,
         tuneGrid = grid, metric = "Kappa", trControl=train_control, 
         maxit = 500, allowParallel = TRUE )

pred <- predict(DNN, newdata = valid.df)
confusionMatrix(pred, valid.df$diagnosis)

Answer 1

caret 中使用的neuralnet方法，只能用于回归建模，不能用于分类。 您需要 select 不同的 model。 您可以在此处使用插入符号检查哪些模型可用于分类。

对于神经网络和分类，您可以使用mxnet和nnet方法。