R中预测的预处理尺度-预测的尺度不相同_R_Machine Learning_Neural Network_R Caret

R中预测的预处理尺度-预测的尺度不相同

r machine-learning neural-network

R中预测的预处理尺度-预测的尺度不相同,r,machine-learning,neural-network,r-caret,R,Machine Learning,Neural Network,R Caret,我正在使用caret软件包中的训练函数在R中训练神经网络。我正在使用以下示例代码：网络训练的输出告诉我，它已被重新缩放到[0,1]，但当我使用预测函数时，我的预测没有缩放到[0,1]。首先，我如何知道数据是否已正确规范化？第二，我如何得到标准化的预测这是我的密码： timeSlices <- createTimeSlices(1:nrow(mytsframe3), initialWindow = 36, horizon = 12,

我正在使用caret软件包中的训练函数在R中训练神经网络。我正在使用以下示例代码：

网络训练的输出告诉我，它已被重新缩放到[0,1]，但当我使用预测函数时，我的预测没有缩放到[0,1]。首先，我如何知道数据是否已正确规范化？第二，我如何得到标准化的预测

这是我的密码：

timeSlices <- createTimeSlices(1:nrow(mytsframe3), initialWindow = 36,
                           horizon = 12, fixedWindow = TRUE)

nn <- train(diffREALBRENTSPOT ~ diffF1REALlag + diffF2REALlag, data = mytsframe3[trainSlices[[1]],], method = "mlp"
        , size = 1, preProc = c("range"))

> nn
Multi-Layer Perceptron 

36 samples
 2 predictor

Pre-processing: re-scaling to [0, 1] (2) 
Resampling: Bootstrapped (25 reps) 
Summary of sample sizes: 36, 36, 36, 36, 36, 36, ... 
Resampling results across tuning parameters:

  size  RMSE       Rsquared 
  1     0.7879697  0.2098693
  3     0.7485212  0.2249331
  5     0.7571630  0.2246444

RMSE was used to select the optimal model using  the smallest value.
The final value used for the model was size = 3. 

pred <- predict(nn, mytsframe3[testSlices[[1]],])

str(pred)
 Named num [1:12] 0.0734 -0.0214 0.3264 0.0362 -0.1569 ...
 - attr(*, "names")= chr [1:12] "37" "38" "39" "40" ...

网络训练的输出告诉我，它已被重新缩放到[0,1]，但当我使用预测函数时，我的预测没有缩放到[0,1]

结果是数字的，您正在拟合回归模型（而不是分类）。

preProc

选项将预测值重新缩放为[0,1]，并且不会将结果或预测值重新缩放为该范围

网络训练的输出告诉我，它已被重新缩放到[0,1]，但当我使用预测函数时，我的预测没有缩放到[0,1]

结果是数字的，您正在拟合回归模型（而不是分类）。

preProc

选项将预测值重新缩放为[0,1]，并且不会将结果或预测值重新缩放为该范围

也许

predict

默认为您提供对数赔率，您需要将其转换为0-1？您是否尝试将

type=“response”

包含在对

predict

的调用中？@ulfeld包含

type=“response”

会产生以下形式的错误：

predict.train中的错误（nn，mytsframe3[testSlices[[1]]，type=“response”）：类型必须是“raw”或“prob”

那么，您是否尝试过

type=“prob”

？@ulfelder，使用

type=“prob”

生成包含0列和12行的

数据框，其中行仅为时间片的行号扫描您发布的数据，以允许我们复制您的结果和测试修复？也许预测
默认为您提供日志赔率，您需要将其转换为0-1？您是否尝试将type=“response”
包含在对predict
的调用中？@ulfeld包含type=“response”
会产生以下形式的错误：predict.train中的错误（nn，mytsframe3[testSlices[[1]]，type=“response”）：类型必须是“raw”或“prob”
那么，您是否尝试过type=“prob”
？@ulfeld，使用type=“prob”
生成包含0列和12行的数据帧，其中行仅为时间片的行号扫描您发布的数据，以允许我们复制您的结果和测试修复？
structure(list(diffREALBRENTSPOT = c(-0.523999999999999, -0.693, 
0.386999999999999, 0.453000000000001, -0.842000000000001, 0.369999999999999
), diffF1REALlag = c(0.48597655, -1.61485375, 0.60622805, -0.469351210000001, 
0.292303670000001, -0.44088176), diffF2REALlag = c(1.00948236, 
0.48597655, -1.61485375, 0.60622805, -0.469351210000001, 0.292303670000001
)), .Names = c("diffREALBRENTSPOT", "diffF1REALlag", "diffF2REALlag"
), row.names = c(NA, 6L), class = "data.frame")