nnet包執(zhí)行單隱層前饋神經(jīng)網(wǎng)絡(luò)， nnet（） 函數(shù)涉及的主要參數(shù)有隱層

節(jié)點(diǎn)數(shù)（size） 、 節(jié)點(diǎn)權(quán)重（weights） 、 最大迭代次數(shù)（maxit） 等， 為了達(dá)

到最好的分類效果， 這些都是需要用戶根據(jù)經(jīng)驗(yàn)或者不斷地嘗試來確定的；

隨機(jī)森林分類器利用基于Breiman隨機(jī)森林理論的R語言軟件包randomForest

中的randomForest（） 函數(shù)來實(shí)現(xiàn)， 需要設(shè)置三個主要的參數(shù)： 森林中決策

樹的數(shù)量（ntree） 、 內(nèi)部節(jié)點(diǎn)隨機(jī)選擇屬性的個數(shù)（mtry） 及終節(jié)點(diǎn)的最小

樣本數(shù)（nodesize） 。

支持向量機(jī)分類器采用R語言軟件包e1071實(shí)現(xiàn)， 該軟件包是以臺灣大

學(xué)林智仁教授的LIBSVM源代碼為基礎(chǔ)開發(fā)的。 svm（） 函數(shù)提供了R與

LIBSVM的接口， 涉及的參數(shù)主要有類型（type， “C”實(shí)現(xiàn)支持向量機(jī)分

類， “eps-regression”實(shí)現(xiàn)支持向量機(jī)回歸） 、 核函數(shù)（kernel） 。 SVM包含

了4種主要的核函數(shù)： 線性核函數(shù)（Linear） 、 多項(xiàng)式核函數(shù)

（Polynomial） 、 徑向基核函數(shù)（RBF） 以及Sigmoid核函數(shù)。 一般情況下會

選擇徑向基核函數(shù)， 這主要源于： 其一， 線性核函數(shù)只能處理線性關(guān)系， 且

被證明是徑向基核函數(shù)的一個特例； 其二， Sigmoid核函數(shù)在某些參數(shù)上近

似徑向基核函數(shù)的功能， 徑向基核函數(shù)取一定參數(shù)也可得到Sigmoid核函數(shù)

的性能； 其三， 多項(xiàng)式核函數(shù)參數(shù)較多， 不易于參數(shù)優(yōu)選。 而徑向基核函數(shù)

支持向量機(jī)包含兩個重要的參數(shù)： 懲罰參數(shù)Cost和核參數(shù)Gamma， tune（）

函數(shù)可以對兩者進(jìn)行網(wǎng)格尋優(yōu)（Grid-search） 確定最優(yōu)值。