R 中的 nnet 包是否仅用于拟合具有单个隐藏层的神经网络？
Is nnet package in R only used to fit a neural network with single hidden layer?
在 CRAN 项目中的 nnet 描述中（https://cran.r-project.org/web/packages/nnet/nnet.pdf）它说 nnet 适合单个隐藏层：
Description: Fit single-hidden-layer neural network, possibly with skip-layer connections
我可以使用nnet指定隐藏层数吗？我的理解是，我选择的隐藏层和隐藏层中的神经元数量是可以更改以改进模型的参数。它真的可以帮助模型 add/remove 隐藏层吗？或者，单层和多层神经网络有不同的应用领域吗？
我是 ANN 的新手。我正在研究训练样本大小为 55000 x 54 的分类模型。
提前致谢！
简单回答否，nnet总是只有一个层，您可以在其中指定节点数。您可以在类似的问题 here 中找到更多信息。您将需要使用其他包，例如 neuralnet 或更复杂的包，例如 h20 或 MXNet.
关于改进模型的参数，除了原始架构（即层、节点）之外，神经网络还有许多不同的部分。其中包括优化函数、激活函数、批量大小等。您可能想查阅更多有关使用神经网络的资源。
在 CRAN 项目中的 nnet 描述中（https://cran.r-project.org/web/packages/nnet/nnet.pdf）它说 nnet 适合单个隐藏层：
Description: Fit single-hidden-layer neural network, possibly with skip-layer connections
我可以使用nnet指定隐藏层数吗？我的理解是，我选择的隐藏层和隐藏层中的神经元数量是可以更改以改进模型的参数。它真的可以帮助模型 add/remove 隐藏层吗？或者，单层和多层神经网络有不同的应用领域吗？
我是 ANN 的新手。我正在研究训练样本大小为 55000 x 54 的分类模型。 提前致谢！
简单回答否，nnet总是只有一个层，您可以在其中指定节点数。您可以在类似的问题 here 中找到更多信息。您将需要使用其他包，例如 neuralnet 或更复杂的包，例如 h20 或 MXNet.
关于改进模型的参数，除了原始架构（即层、节点）之外，神经网络还有许多不同的部分。其中包括优化函数、激活函数、批量大小等。您可能想查阅更多有关使用神经网络的资源。