包插入符号：具有相同语法的不同输出（方法：“knn”mlpkerasdeaction）

你能帮帮我吗

我使用相同轴的插入符号获得了不同的结果。例如：

model = caret::train(y ~., data = train_set, method = 'mlpKerasDecay', preProc = "range", trControl = fitControl)

输出：

预测（模型）

但对于KNN：

model = caret::train(y ~., data = train_set, method = 'knn', preProc = "range", trControl = fitControl) 

输出：

predict（model）

正如你所看到的，数量级是不同的。 我的问题是:

为什么?

在多层感知器中，我要做什么来反转比例

我尝试了

convert\u response（）

（来源：） 但结果似乎不像KNN的结果那样具有一致性

好的，我可以一步一步地创建一个keras模型，但是我如何解决它呢

编辑： 一个应用示例：

库：

library(caret)
library(keras)
library(plyr)
library(recipes)
library(tensorflow)
library(dplyr) 

fitControl = trainControl(method = "repeatedcv", number = 5, repeats = 5)
train_set = structure(list(y = c(12.5061772379805, 12.3883942023241, 12.7656884334656, 
12.6760762747759, 12.4292161968444, 12.6115377536383), banos = c(1, 
1, 1, 1, 1, 1), lon = c(-70.65409, -70.6471, -70.64788, -70.64177, 
-70.67638, -70.64213), lat = c(-33.43636, -33.43623, -33.45287, 
-33.44923, -33.43112, -33.44331)), row.names = c(2L, 4L, 7L, 
8L, 10L, 11L), class = "data.frame")

set.seed(1234)
model = caret::train(y ~., data = train_set, method = "mlpKerasDecay", preProc = "range", trControl = fitControl)
predict(model)

-0.6769148 -0.7869630 -1.0850035 -1.1153764 -0.2204445 -0.9990849

设置：

library(caret)
library(keras)
library(plyr)
library(recipes)
library(tensorflow)
library(dplyr) 

fitControl = trainControl(method = "repeatedcv", number = 5, repeats = 5)
train_set = structure(list(y = c(12.5061772379805, 12.3883942023241, 12.7656884334656, 
12.6760762747759, 12.4292161968444, 12.6115377536383), banos = c(1, 
1, 1, 1, 1, 1), lon = c(-70.65409, -70.6471, -70.64788, -70.64177, 
-70.67638, -70.64213), lat = c(-33.43636, -33.43623, -33.45287, 
-33.44923, -33.43112, -33.44331)), row.names = c(2L, 4L, 7L, 
8L, 10L, 11L), class = "data.frame")

set.seed(1234)
model = caret::train(y ~., data = train_set, method = "mlpKerasDecay", preProc = "range", trControl = fitControl)
predict(model)

-0.6769148 -0.7869630 -1.0850035 -1.1153764 -0.2204445 -0.9990849

您将收到以下警告：

预处理中的警告。默认值（thresh=0.95，k=5，freqCut=19，uniqueCut=10，：banos无变化

。但是，这是我的完整数据帧

dim（train_set）=8202 63

[是的，我必须清理它（尚未）]

跑步：

library(caret)
library(keras)
library(plyr)
library(recipes)
library(tensorflow)
library(dplyr) 

fitControl = trainControl(method = "repeatedcv", number = 5, repeats = 5)
train_set = structure(list(y = c(12.5061772379805, 12.3883942023241, 12.7656884334656, 
12.6760762747759, 12.4292161968444, 12.6115377536383), banos = c(1, 
1, 1, 1, 1, 1), lon = c(-70.65409, -70.6471, -70.64788, -70.64177, 
-70.67638, -70.64213), lat = c(-33.43636, -33.43623, -33.45287, 
-33.44923, -33.43112, -33.44331)), row.names = c(2L, 4L, 7L, 
8L, 10L, 11L), class = "data.frame")

set.seed(1234)
model = caret::train(y ~., data = train_set, method = "mlpKerasDecay", preProc = "range", trControl = fitControl)
predict(model)

-0.6769148 -0.7869630 -1.0850035 -1.1153764 -0.2204445 -0.9990849

结果（可能会在您的计算机中更改）：

library(caret)
library(keras)
library(plyr)
library(recipes)
library(tensorflow)
library(dplyr) 

fitControl = trainControl(method = "repeatedcv", number = 5, repeats = 5)
train_set = structure(list(y = c(12.5061772379805, 12.3883942023241, 12.7656884334656, 
12.6760762747759, 12.4292161968444, 12.6115377536383), banos = c(1, 
1, 1, 1, 1, 1), lon = c(-70.65409, -70.6471, -70.64788, -70.64177, 
-70.67638, -70.64213), lat = c(-33.43636, -33.43623, -33.45287, 
-33.44923, -33.43112, -33.44331)), row.names = c(2L, 4L, 7L, 
8L, 10L, 11L), class = "data.frame")

set.seed(1234)
model = caret::train(y ~., data = train_set, method = "mlpKerasDecay", preProc = "range", trControl = fitControl)
predict(model)

-0.6769148 -0.7869630 -1.0850035 -1.1153764 -0.2204445 -0.9990849

这里的问题是因为

y

（在列集合中）的范围是[12,13]，但在这里它似乎是标准化的

经过的时间（使用第十代i7英特尔-RTX 2080）：

祝你一周愉快

亲切问候,，

---

Mirko。

按照@missuse的建议，插入符号中的keras配置实际上是有缺陷的。我更喜欢采用最佳参数，并手动创建网络。 如果它为某人服务，这是我的代码（上次配置）

我获得了很好的表现：MAEtrain_set=0.1326和MAEtest_set=0.1331。但是，对于这两组，Rsquared<0&Rsquared~0。但在这种特殊情况下，它似乎并不“那么糟糕”（来源：）

非常感谢你

---

致以最良好的问候，米尔科。

提供一个最小的可复制代码，访问。完成@BappaDas。非常感谢。祝您愉快。祝您愉快，米尔科。如果您检查

mlpkerasdeaction

模型性能，您可以看到它的

RMSE

远远低于knn模型。如果您检查，您可以看到这是一个非常简单的keras模型，只有一个l艾耶尔。也许它做得再好不过了。