如何使用R中的neuralnet包编程多个输出节点？_R_Machine Learning_Neural Network

如何使用R中的neuralnet包编程多个输出节点？

r machine-learning neural-network

如何使用R中的neuralnet包编程多个输出节点？,r,machine-learning,neural-network,R,Machine Learning,Neural Network,我正在建立一个神经网络来预测基于许多变量的“拟合”。“FitCls”分为三类：“优秀”、“良好”和“差”。我有10个输入变量，选择了一个有6个神经元的隐藏层。我想要三个输出神经元，这样我就可以将呈现给神经网络的情况分类为“适合”，即“优秀”、“良好”或“较差”。我已经看到了一个类似的例子，其中使用iris数据（见幻灯片40等）实现了这一点：。我试图复制那个结构，但当我绘制网络时，我仍然只得到一个输出节点以下是我的代码（加载“nfit”数据帧后）： nfit[nfit$FitCls==“优秀”

我正在建立一个神经网络来预测基于许多变量的“拟合”。“FitCls”分为三类：“优秀”、“良好”和“差”。我有10个输入变量，选择了一个有6个神经元的隐藏层。我想要三个输出神经元，这样我就可以将呈现给神经网络的情况分类为“适合”，即“优秀”、“良好”或“较差”。我已经看到了一个类似的例子，其中使用iris数据（见幻灯片40等）实现了这一点：。我试图复制那个结构，但当我绘制网络时，我仍然只得到一个输出节点

以下是我的代码（加载“nfit”数据帧后）：

nfit[nfit$FitCls==“优秀”，“输出”]或多或少地复制您需要的iris示例：
library(neuralnet)
library(nnet)
trainset <- cbind(iris[, 1:4], class.ind(iris$Species))
espnnet2=neuralnet(setosa + versicolor + virginica ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, trainset)
plot(espnnet2)

库（neuralnet）
图书馆（nnet）
列车组可能库将您的响应变量视为一个数字。您是否尝试将FitCls列设置为因子列<代码>nfit$FitCls感谢您的回复。我已经试过了，但neuralnet似乎无法以这种方式处理各种因素。这种方法适用于nnet，但由于某些原因，不适用于neuralnet。
library(neuralnet)
library(nnet)
trainset <- cbind(iris[, 1:4], class.ind(iris$Species))
espnnet2=neuralnet(setosa + versicolor + virginica ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, trainset)
plot(espnnet2)