"mlp“和"mlpML”的区别

Question

我正在使用R的Caret包来创建最大能源需求的预测模型。我需要使用的是神经网络多层感知器，但在Caret软件包中，我发现有两种mlp方法，即"mlp“和"mlpML”。两者之间的区别是什么？

我读过一本书(Advanced R Statistical and Data Models: Analysis，Machine Learning，and Visualization)中的描述，但它仍然没有回答我的问题。

Answer 1

Caret有238种不同的型号可供选择！然而，它们中的许多只是调用相同基本算法的不同方法。

除了mlp之外，还有另外9种调用多层感知器的方法，mlpML就是其中之一。真正的区别只在于函数调用的参数，您需要哪种模型取决于您的用例以及您想要适应的基本模型。

很有可能，如果你不知道什么是mlpML或mlpWeightDecay等，你可以只使用基本的mlp。

查看官方文档，我们可以看到：

mlp(size)而mlpML(layer1,layer2,layer3)，所以在第一种方法中，你只能调优多层感知器的大小，而在第二种调用中，你可以单独调优每一层。

Answer 2

请看这里的源代码：

https://github.com/topepo/caret/blob/master/models/files/mlp.R

还有这里：

https://github.com/topepo/caret/blob/master/models/files/mlpML.R

看起来不同之处在于mlpML允许几个隐藏层：

modelInfo <- list(label = "Multi-Layer Perceptron, with multiple layers",

而mlp只有一个带有隐藏单元的单层。

official documentation也暗示了这种差异。在我看来，有许多不同的模型只有很小的差异并不是特别有用，文档也没有很好地解释这些细微的差异。