R 用神经网络预测新数据的类别
我试图使用使用R中的neuralnet包训练的神经网络来预测测试数据集的类(0或1) 我掌握的数据如下:R 用神经网络预测新数据的类别,r,machine-learning,neural-network,R,Machine Learning,Neural Network,我试图使用使用R中的neuralnet包训练的神经网络来预测测试数据集的类(0或1) 我掌握的数据如下: > library(neuralnet) > nn <- neuralnet(y ~ x1+x2+x3+x4, data=train, hidden=2, err.fct="ce", linear.output=FALSE) > plot(nn) > compute(nn, test) 列车: x1 x2 x3
> library(neuralnet)
> nn <- neuralnet(y ~ x1+x2+x3+x4, data=train, hidden=2, err.fct="ce", linear.output=FALSE)
> plot(nn)
> compute(nn, test)
列车:
x1 x2 x3 x4 y
0.557 0.6217009 0.4839 0.5606936 0
0.6549 0.6826347 0.4424 0.4117647 1
0.529 0.5744681 0.5017 0.4148148 1
0.6016771 0.5737052 0.3526971 0.3369565 1
0.6353945 0.6445013 0.5404255 0.464 1
0.5735294 0.6440678 0.4385965 0.5698925 1
0.5252 0.5900621 0.4412 0.448 0
0.7258687 0.7022059 0.5347222 0.4498645 1
还有更多
测试集看起来与训练数据完全相同,只是值不同(如果需要,我将发布一些示例)
我使用的代码如下所示:
> library(neuralnet)
> nn <- neuralnet(y ~ x1+x2+x3+x4, data=train, hidden=2, err.fct="ce", linear.output=FALSE)
> plot(nn)
> compute(nn, test)
因此,基本上我正在尝试训练一个神经网络来成功地对新的测试数据进行分类
感谢您的帮助
编辑:
试验对象的取样为:
x1 x2 x3 x4 y
0.5822 0.6591 0.6445013 0.464 1
0.4082 0.5388 0.5384616 0.4615385 0
0.4481 0.5438 0.6072289 0.5400844 1
0.4416 0.5034 0.5576923 0.3757576 1
0.5038 0.6878 0.7380952 0.5784314 1
0.4678 0.5219 0.5609756 0.3636364 1
0.5089 0.5775 0.6183844 0.5462555 1
0.4844 0.7117 0.6875 0.4823529 1
0.4098 0.711 0.6801471 0.4722222 1
我也尝试过在y列中没有任何值的情况下使用它。在没有对“测试”对象进行良好描述的情况下,很难说,但是您是否可以看到这样做是否会产生更好的结果:
compute(nn, test[, 1:4])
我也有同样的问题。我把
debugonce(neuralnet)
放进去,发现neuralnet是用不同大小的矩阵相乘
我用这个函数解决了从测试中删除y列的问题
columns <- c("x1","x2","x3","x4")
covariate <- subset(test, select = columns)
columns我知道这是一篇老文章,但我遇到了一篇独特的文章,它可能会在将来帮助别人。我认为这篇文章最适用,因为它抛出了同样的错误
数据集的缩放必须转换回data.frame,以便在计算中使用
#scaled data
scaledData=scale(data)
nn=neuralnet(y~x,data=scaledData[train,])
#this repeatedly failed for me
compute(nn,scaledData[test,])
#this worked
compute(nn,as.data.frame(scaledData)[test,])
你需要在没有y列的情况下尝试它。它们是否为空将不会影响一致性数组的测试。这样做了,从测试集中删除y列也是如此。非常感谢你!借助于此:如果您使用的公式不涉及数据帧中的所有列,您将需要执行以下操作:mf@42是否可能使用大量trainData的随机子集反复训练neuralnet对象(nn
?该对象会存储所有连续的训练吗?以前从未听说过debugonce()
。伟大的工具!