Question

我试图根据给定的时间，区域类型（0,1,2,3），是否在工业区域（0,1）以及该区域中是否有主要道路来预测AQI值，1）。我有350,000对数据，并使用下面的代码训练了神经网络。那么，在给定时间，区域类型，区域和rd输入的情况下，如何使用它来预测新的AQI？还是我不了解神经网络的目的？谢谢！

DECLARE length INT64;
BEGIN
  SET length = 1000;
  WHILE (length > 0) DO
    SET length = length -1;
  END WHILE;
END;

Answer 1

您有一个多类预测。如@ user2974951所述，请使用预测。在下面，我补充说明您必须解释结果。需要注意的是，如果您的预测变量为0或1，则对其进行归一化将不会更改任何内容（请参见函数归一化）。

library(neuralnet)
set.seed(1111)

# training /testing data
trn <- sample(1:nrow(iris),100)
trainData <- iris[trn,]
testData <- iris[-trn,]

# before you fit, check what are the levels of the labels
# in your case should be 0,1,2,3
levels(iris$Species)
1] "setosa"     "versicolor" "virginica" 

# fit nn
nn <- neuralnet(Species ~ Petal.Length + Petal.Width,trainData , linear.output = FALSE)
# predictions
pred <- predict(nn,testData)
head(pred)
> head(pred)
   [,1]       [,2]         [,3]
3     1 0.10672416 1.855968e-61
5     1 0.10944693 1.214708e-60
8     1 0.11238864 8.835106e-60
9     1 0.10944693 1.214708e-60

从标题pred中可以看到，这些是概率，第一列是setosa（物种的第一级）概率，第二列是杂色，等等。每行都是trainData的观察值

我们可以取回标签，并做一个混淆矩阵

pred_labels <- levels(testData$Species)[apply(pred,1,which.max)]
actual_labels <- testData$Species

table(pred_labels,actual_labels)
            actual_labels
pred_labels  setosa versicolor virginica
  setosa         16          0         0
  versicolor      0         18         0
  virginica       0          2        14

如何在R中使用神经网络预测值？

1 个答案: