使用caret与neuralnet实现多输出神经网络的自动化变量设置问题

第一步：合并输入输出数据集 #

你之前应该是把输入和输出分成了两个独立的数据集，这是问题根源之一。Caret的train()函数要求特征和目标变量都在同一个数据框里，先把它们合并：

# 假设你的输入数据集是input_df，输出数据集是output_df
combined_df <- cbind(input_df, output_df)

第二步：自动生成多输出公式 #

不用手动逐个写12个输出变量，用代码自动生成公式：

# 获取所有输出变量的列名
output_names <- colnames(output_df)
# 生成公式：左边是所有输出变量用+连接，右边是所有输入变量（用.表示）
multi_formula <- as.formula(paste(paste(output_names, collapse = " + "), "~ ."))

这样生成的公式会自动包含所有12个输出变量，无需手动逐个添加。

第三步：用Caret调用nnet训练模型 #

现在用生成的公式和合并后的数据集训练，注意指定nnet的隐藏层神经元数量，同时按需设置训练控制参数：

library(caret)
library(nnet)

# 设置交叉验证的训练控制（可根据需求调整）
train_ctrl <- trainControl(method = "cv", number = 5)

# 训练多输出神经网络
nnet_model <- train(
  formula = multi_formula,
  data = combined_df,
  method = "nnet",
  trControl = train_ctrl,
  size = 10,  # 按任务需求调整隐藏层神经元数量
  maxit = 1000,  # 设置最大迭代次数
  trace = FALSE  # 关闭训练过程的冗余输出，可选
)

之前报错的原因 #

• invalid type (list) for variable 'output'：你直接写output~.时，output是整个输出数据框/列表，Caret的公式不接受这种格式，必须将每个输出变量用+分开列示。
• undefined columns selected：手动列输出变量时，要么是列名拼写错误，要么是没把输出变量合并到输入数据框中，导致Caret找不到对应列。

额外提示 #

如果是分类任务，记得在train()中指定metric = "Accuracy"和classProbs = TRUE；如果是回归任务，默认会使用RMSE等回归指标，按需调整即可。

内容的提问来源于stack exchange，提问作者Mohammad