我有一个 DF(train_market)，有 8523 行和 12 列，如图 
我正在做多项逻辑回归模型来获取 test_data 上的 ITem_Outlet_Sales。 但是运行模型的代码一起运行了几个小时
model <- nnet(Item_Outlet_Sales~.,train_market,family="multinomial",size = 5574900,softmax=TRUE)
我尝试了下面显示的其他两个，但仍然运行了几个小时，我应该做哪些更改才能完成它
model <- multinom(Item_Outlet_Sales~.,train_market,family="multinomial")
model <- nnet(Item_Outlet_Sales~.,train_market,family="multinomial",size = 5574900,softmax=TRUE)
我得到第二个代码的错误为
Error in nnet.default(X, Y, w, mask = mask, size = 0, skip = TRUE, softmax = TRUE, :
too many (5574828) weights
所以将 size =5574900 保留在第三位并尝试，这有帮助。
最佳答案
有一个论点MaxNWts在 nnet一般用于控制权重的最大数量的包。因此，设置 MaxNWts一个足够大的整数(例如 MaxNWts =10000000 )应该可以完成这项工作:
model <- nnet(Item_Outlet_Sales~.,train_market,family="multinomial",size = 5574900,softmax=TRUE,MaxNWts =10000000)
关于r - 多项式逻辑回归中的权重过多并且代码运行了几个小时，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36303404/