R 使用nnet进行预测，我做得对吗？

我对R和AI/技术还是相当陌生的。我想用神经网络来预测，因为我是新来的，我只想看看这是不是应该这样做

作为一个测试用例，我根据前面的两个值预测

sin（）

。对于训练，我用

y=sin（x）

，

x1=sin（x-1）

，

x2=sin（x-2）

创建一个数据帧，然后使用公式

y~x1+x2

这似乎有效，但我只是想知道这是正确的方法，还是有一种更惯用的方法

代码如下：

require(quantmod) #for Lag()
requre(nnet)
x <- seq(0, 20, 0.1)
y <- sin(x)
te <- data.frame(y, Lag(y), Lag(y,2))
names(te) <- c("y", "x1", "x2")
p <- nnet(y ~ x1 + x2, data=te, linout=TRUE, size=10)
ps <- predict(p, x1=y)
plot(y, type="l")
lines(ps, col=2)

require（quantmod）#用于滞后（）
需求（nnet）
x我非常喜欢
caret
软件包，因为它为各种型号提供了一个很好的统一接口，例如
nnet
。此外，它使用交叉验证或引导重新采样自动调整超参数（例如
大小
和
衰减
）。缺点是所有这些重新采样都需要一些时间

#Load Packages
require(quantmod) #for Lag()
require(nnet)
require(caret)

#Make toy dataset
y <- sin(seq(0, 20, 0.1))
te <- data.frame(y, x1=Lag(y), x2=Lag(y,2))
names(te) <- c("y", "x1", "x2")

#Fit model
model <- train(y ~ x1 + x2, te, method='nnet', linout=TRUE, trace = FALSE,
                #Grid of tuning parameters to try:
                tuneGrid=expand.grid(.size=c(1,5,10),.decay=c(0,0.001,0.1))) 
ps <- predict(model, te)

#Examine results
model
plot(y)
lines(ps, col=2)

#加载包
需要（quantmod）#用于滞后（）
要求（nnet）
需要（插入符号）
#制作玩具数据集
y
predict（）
调用看起来可疑。你不是在用“y”预测“y”吗？另一方面，它可能无法实际提供新数据，因为它不是数据帧。所以你们可以用“te”中的滞后值来“预测”。您可以查看
expand
以避免需要“pkg:quantmod”，我添加了一个更好的预测示例，您认为实际使用的是nnet模型吗？当绘制时，它似乎给出了一个sin。您可以通过以与预测相同的比例绘制原始图像进行检查：
plot（x，vv）；行（x，y）
并且您看到有一个滞后（这似乎是您所期望的）。为了更好地理解，在关于R+DNN中有一个示例。非常感谢，看起来很棒。很抱歉，由于某种原因，我错过了回复的通知+很好的示例。您的答案是在[r]nnet predict上搜索到的第一个答案。@DWin谢谢！听到这个我很高兴！
#Load Packages
require(quantmod) #for Lag()
require(nnet)
require(caret)

#Make toy dataset
y <- sin(seq(0, 20, 0.1))
te <- data.frame(y, x1=Lag(y), x2=Lag(y,2))
names(te) <- c("y", "x1", "x2")

#Fit model
model <- train(y ~ x1 + x2, te, method='nnet', linout=TRUE, trace = FALSE,
                #Grid of tuning parameters to try:
                tuneGrid=expand.grid(.size=c(1,5,10),.decay=c(0,0.001,0.1))) 
ps <- predict(model, te)

#Examine results
model
plot(y)
lines(ps, col=2)