Discussion :

[redando]

Bonjour,
Je fais une régression à l'aide d'un réseau de neurones et je tombe dans le problème de choix de nombre de couches cachées et le nombre de neurones dans chaque couche,
et aussi le programme m'affiche l'erreur suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Error in neurons[[i]] %*% weights[[i]] : non-conformable arguments

Comment je peux régler ce problème et pour aller plus loin, quel est votre conseil ?
Merci.

Code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
Nt1= read.csv2("D:/DATA/N-NIRsoil1A.csv",header = T , sep = ";",row.names = 1,check.names = F)
 
Nt1.train=Nt1[Nt1$train==1,2:ncol(Nt1)]
Nt1.test=Nt1[Nt1$train==0,2:ncol(Nt1)]
Nt1.train$NIR= as.matrix(Nt1.train[2:195])
 
library(neuralnet)
nnet.fit <- neuralnet(Nt ~ NIR, data=Nt1.train ,hidden = 3,5,6)
 
 
Ntp= predict(nnet.fit , newdata=NIR)

[dev_ggy]

Bonjour,

Code R :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
x <- 1:100
y <- 2*x+1
 
data = data.frame(x,y)
net <- neuralnet(y~x,  data, hidden =0, rep=10, linear.output=TRUE)
plot(net, rep="best")

Pour une régression, je configurerais neuralnet avec hidden a 0 et linear.output a True.

Au plaisir de te lire.

[redando]

Merci pour votre réponse.
J'ai une autre question : est-ce que ce type de régression (reseau de neurones) donne des bons résultats lorsqu'on a un très grand nombre de variables (600 variables, analyse spectrale) ?
Merci.

[dev_ggy]

Redando,

Le résultat est les mêmes avec peu ou beaucoup de variable.

Par contre en statistiques quand il y a beaucoup de variables. On a tendance à faire une ACP pour réduire ce nombre en prenant les dimensions principales. (Mais, attention! les dimensions principales ne sont pas toujours les dimensions qui influent sur la variable à évaluer.). De plus avec une régression linéaire classique, des informations sur la qualité des paramètres sont définies et permettent de mieux connaitre la "qualité" des résultats que pour des réseaux de neurones

Au plaisir de vous lire.

[redando]

Redando,

Le résultat est les mêmes avec peu ou beaucoup de variable.

Par contre en statistiques quand il y a beaucoup de variables. On a tendance à faire une ACP pour réduire ce nombre en prenant les dimensions principales. (Mais, attention! les dimensions principales ne sont pas toujours les dimensions qui influent sur la variable à évaluer.). De plus avec une régression linéaire classique, des informations sur la qualité des paramètres sont définies et permettent de mieux connaitre la "qualité" des résultats que pour des réseaux de neurones

Au plaisir de vous lire.

monsieur dev_ggy:
oui je suis avec vous, je fais une ACP et je choisis le nombre d'axes factoriels pour expliquer ma variation et suite je réalise une régression PLS1 sur mes variables et je trouve des bons résultats, mais lorsque je fais une : REGRESSION RESEAU DE NEURONES, je tombe sur le problème suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
Error in neurons[[length.weights]] %*% weights[[length.weights]] : 
  non-conformable arguments

[dev_ggy]

Pour reprendre votre code :

Code R :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
Nt1= read.csv2("D:/DATA/N-NIRsoil1A.csv",header = T , sep = ";",row.names = 1,check.names = F)
 
Nt1.train=Nt1[Nt1$train==1,2:ncol(Nt1)]
Nt1.test=Nt1[Nt1$train==0,2:ncol(Nt1)]
Nt1.train$NIR= as.matrix(Nt1.train[2:195])
 
library(neuralnet)
nnet.fit <- neuralnet(Nt ~ NIR, data=Nt1.train ,hidden = 3,5,6)
## Nt n'est pas définis dans le code fournis.
## je pense que NIR ne doit pas être une matrice
## qu'est ce que 5,6 ?
 
Ntp= predict(nnet.fit , newdata=NIR)

La question que je me pose est la suivante:
Avez vous le même nombre de lignes entre Nt et NIR ?

De plus d'après la doc Nt1.train doit être une data frame.

Je ferais quelque les choses ainsi :

Code R :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
Nt1.train=Nt1[Nt1$train==1,c("Nt", "NIR")]
nnet.fit <- neuralnet(Nt ~ NIR, data=Nt1.train ,hidden = 0, rep=10, linear.output=TRUE)

Au plaisir de vous lire.

[redando]

Pour les nombres de lignes, c'est le même nombre (> length(Nt) = 205 AVEC Nt un vecteur ligne et pour NIR > dim(NIR) = 205 ; 194 avec NIR matrice de variable)
J'essaye à nouveau le code suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
Nt1= read.csv2("D:/DATA/N-NIRsoil1A.csv",header = T , sep = ";",row.names = 1,check.names = F)
 
Nt1.train=Nt1[Nt1$train==1,2:ncol(Nt1)]
Nt1.test=Nt1[Nt1$train==0,2:ncol(Nt1)]
Nt1.train$NIR= as.matrix(Nt1.train[2:195])
 
data=data.frame(Nt1.train$Nt , Nt1.train$NIR )
library(neuralnet)
mod.NN <- neuralnet(Nt ~ NIR, data=data ,hidden = 0 , rep=10, linear.output=TRUE)

et la même erreur s'affiche :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
Error in neurons[[length.weights]] %*% weights[[length.weights]] : 
  non-conformable arguments

Voici le lien de mon data :
http://www.mediafire.com/download/55...-NIRsoil1A.csv

Merci beaucoup pour votre réponse.

[redando]

Pour les nombres de lignes, c'est le même nombre (> length(Nt) = 205 AVEC Nt un vecteur ligne et pour NIR > dim(NIR) = 205 ; 194 avec NIR matrice de variable).
J'essaye à nouveau le code suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
Nt1= read.csv2("D:/DATA/N-NIRsoil1A.csv",header = T , sep = ";",row.names = 1,check.names = F)
 
Nt1.train=Nt1[Nt1$train==1,2:ncol(Nt1)]
Nt1.test=Nt1[Nt1$train==0,2:ncol(Nt1)]
Nt1.train$NIR= as.matrix(Nt1.train[2:195])
 
data=data.frame(Nt1.train$Nt , Nt1.train$NIR )
library(neuralnet)
mod.NN <- neuralnet(Nt ~ NIR, data=data ,hidden = 0 , rep=10, linear.output=TRUE)

et la même erreur s'affiche :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
Error in neurons[[length.weights]] %*% weights[[length.weights]] : 
  non-conformable arguments

Voici le lien de mon data :
http://www.mediafire.com/download/55...-NIRsoil1A.csv

Merci.

[dev_ggy]

Bonjour redando,

Je n'ai pas accès aux données !

Au plaisir de te lire.

[redando]

Bonjour,
Tu peux essayer avec ce lien :
https://drive.google.com/file/d/0B1N...ew?usp=sharing

Merci beaucoup.

[dev_ggy]

redando,

Code R :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
D = Nt1
### Pour controler le format des données 
Numeric = c()
for(i in 1:length(D.train)){
  Numeric[i] = is.numeric(D[,i])
}
 
summary(Numeric)
 
### Le traitement par réseau de neuronne
library(neuralnet)
 
xnam <- paste(names(D)[4:703], sep="")
fmla <- as.formula(paste("Nt ~ ", paste(xnam, collapse= "+")))
 
 
nnet.fit <- neuralnet(fmla, data=D[D$train==1,] ,hidden = 0, rep=10, linear.output=TRUE)

Attention la colonne NT est avec une virgule et le reste avec des points. Il faut uniformiser.

Au plaisir de te lire.