Question

<div id="Main" ></div>
            <iframe src="frmtest1.aspx" style="display:none"></iframe>
            <iframe src="frmtest2.aspx" style="display:none"></iframe>
                <input type="button" id="LoadTest1" />
                <input type="button" id="LoadTest2" />

嗨，鉴于上述内容。我已经构建了一个神经网络模型，我将用它来尝试预测收盘价。有人可以向我解释myformula <- close ~ High+Low+Open nn_close <- neuralnet(myformula,data=train_,hidden=c(5,3),linear.output=T) nn_close$net.result[[1]]行的作用吗？我检查了CRAN documentation，但这对我来说仍然不清楚。

Answer 1

你会通过一个例子更好地理解这一点（我修改了一下但我从here得到了它）：

itrain <- iris[sample(1:150, 50),]

itrain$setosa <- c(itrain$Species == 'setosa')

itrain$versicolor <- c(itrain$Species == 'versicolor')

itrain$virginica <- c(itrain$Species == 'virginica')

itrain$Species <- NULL

inet <- neuralnet(setosa + versicolor + virginica ~ Sepal.Length + Sepal.Width + 
                  Petal.Length + Petal.Width, itrain, hidden=3, lifesign="full")

#make a prediction on the training set and then compare to 
#inet$net.result[[1]]
predict <- compute(inet, itrain[1:4])

现在看一下结果：

head(predict$net.result)
#                [,1]            [,2]            [,3]
#80   0.0167232688257  0.995316738272 -0.011840391533
#112 -0.0008289388986 -0.006814451178  1.007637170495
#17   1.0028534166840  0.004240124926 -0.007115290101
#104 -0.0002256650283 -0.031771967776  1.031855488316
#149  0.0019424886784  0.007205356060  0.990892583485
#82  -0.0061699713404  0.957656929739  0.048564910023
head(inet$net.result[[1]])
#                [,1]            [,2]            [,3]
#80   0.0167232688257  0.995316738272 -0.011840391533
#112 -0.0008289388986 -0.006814451178  1.007637170495
#17   1.0028534166840  0.004240124926 -0.007115290101
#104 -0.0002256650283 -0.031771967776  1.031855488316
#149  0.0019424886784  0.007205356060  0.990892583485
#82  -0.0061699713404  0.957656929739  0.048564910023

我使用compute使用神经网络模型对训练集进行预测。

正如您所看到的，inet$net.result[[1]]和predict$net.result是相同的。因此，inet$net.result[[1]]只是您用于训练模型的数据集的预测（它与lm模型的拟合值相同）。

根据@sebastianmm非常有用的评论，有net.result列表的原因。基本上，neuralnet具有参数rep，这使得可以在一次调用中训练多个模型。当rep大于1时，net.result将大于1（其他组件也是如此（weights，result.matrix，start.weights））。

Answer 2

compute()$net.result的结果只包含一个级别，这给出了每个样本成为给定物种的概率（在本例中）。换句话说，行的总和（大致）等于1.在下面的示例中，我使用此信息来预测数据验证子集中的物种，并使用{{将它们与真实值进行比较。 1}}：

table

在我的情况下，所有setosa样本都被正确预测。对于云芝和维吉尼亚分别有2和4个错误的预测。通常，92％的验证样本（69/75 * 100）的预测是正确的。

R神经网络包 - net.result显示什么？

2 个答案: