FuncNN：一个使用广义输入空间拟合深度神经网络的R包
机器学习
2020-09-23 v2 机器学习
统计计算
摘要
当输入空间由标量变量构成时，神经网络在回归与分类问题上表现出色。由于这种能力，若干流行包被开发出来，使用户能轻松拟合此类模型。然而，该方法论排除了函数型协变量的使用，且迄今为止不存在允许用户以该广义输入空间构建深度学习模型的软件。据我们所知，函数型神经网络（FuncNN）库是任何编程语言中首个此类包；该库为R开发，并构建于keras架构之上。本文介绍了若干函数，为用户提供轻松构建模型、生成预测与运行交叉验证的途径。文中亦给出了底层方法论概要。最终贡献是一个为同时存在函数型与标量协变量的数据问题提供一组通用建模与诊断工具的包。
引用
@article{arxiv.2009.09111,
title = {FuncNN: An R Package to Fit Deep Neural Networks Using Generalized Input Spaces},
author = {Barinder Thind and Sidi Wu and Richard Groenewald and Jiguo Cao},
journal= {arXiv preprint arXiv:2009.09111},
year = {2020}
}
备注
23 pages, 5 figures, submitted to JSS