我有一个（前馈单层）神经网络，我尝试用它从两个金融变量（回归）中预测一个与环境相关的变量。我使用 caret 包中的“train”功能。

我使用nnet()caret 包中的算法。我有两个连续预测变量和 420 个数据点。

为了理论理解，我试图故意过度拟合我的模型；据我了解，这通常适用于每个数据集，例如增加“大小”（即隐藏单元的数量）。然而，大幅增加隐藏单元的大小不会导致过度拟合。

因此，假设您可以通过增加“大小”来过度拟合每个神经网络是错误的吗？哪个其他变量可能导致过度拟合？

grid <- expand.grid(size = 20
                    )

control <- trainControl(method = "cv", 
                        number = 10,
                        verboseIter = TRUE
                        )

fit <- train(x=train_parametres, y=train_result, 
             method = "mlp", 
             metric = "Rsquared",
             learnFunc = "Std_Backpropagation",
             learnFuncParams = c(0.2, 0.0),
             maxit = 1000,
             trControl = control,
             tuneGrid = grid,
             preProcess = c("center", "scale"), 
             linout = T,
             verbose = T,
             allowParallel = T
)