使用神经网络预测新数据的类

时间:2012-06-07 20:45:24

标签: r machine-learning neural-network

我正在尝试使用在R中使用神经网络包训练的神经网络来预测测试数据集的类(0或1)。

我的数据如下:

火车:

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

等等。

测试集看起来与训练数据完全相同,只是使用不同的值(如果需要,我会发布一些样本)。

我使用的代码如下:

> library(neuralnet)
> nn <- neuralnet(y ~ x1+x2+x3+x4, data=train, hidden=2, err.fct="ce", linear.output=FALSE)
> plot(nn)
> compute(nn, test)

网络训练,我可以成功绘制网络,但计算不起作用。当我运行compute时,它给出了以下错误:

Error in neurons[[i]] %*% weights[[i]] : non-conformable arguments

所以基本上我正在尝试训练神经网络以成功分类新的测试数据。

感谢任何帮助。

编辑:

测试对象的样本是:

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

我也试过它,y列没有任何值。

3 个答案:

答案 0 :(得分:20)

很难说没有对“测试”对象的良好描述,但是你能看出这是否会带来更好的结果:

compute(nn, test[, 1:4])

答案 1 :(得分:7)

我遇到了同样的问题。我把debugonce(neuralnet)和我发现神经网络从不同大小乘以矩阵。

我解决了使用此函数从测试中删除y列的问题

columns <- c("x1","x2","x3","x4")
covariate <- subset(test, select = columns)

答案 2 :(得分:0)

我知道这是一个老帖子,但我遇到了一个可以帮助将来的人的独特作品。认为这篇文章最适用,因为它会引发同样的错误。

必须将数据集的缩放转换回data.frame以便在compute

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,])