Question

我正在尝试使用nnet库从我的训练数据中创建一个多项逻辑回归模型，看看我是否可以用它来预测我的测试数据。

我使用这个脚本在R中设置了所有内容：

library(nnet)

folder <- "C:/***/"
trainingfile <- "training-set.txt"
testfile <- "test-set.txt"

train <- read.table(paste(folder, trainingfile, sep=''), sep=",", header=FALSE)
train.classes <- t(train[1:1])
train.data <- train[2:16]

test <- read.table(paste(folder, testfile, sep=''), sep=",", header=FALSE)
test.classes <- t(test[1:1])
test.data <- test[2:16]

train.model <- multinom(V1 ~ ., train, maxit=450) #converges after roughly 430 iterations

这一切都运作良好，函数multinom报告收敛。

使用模型进行预测以对我使用的测试数据进行分类：

predictions <- predict(train.model, test.data)

然而，我接受了错误Error in eval(expr, envir, enclos) : object 'V17' not found的问候。但是当我检查train.model时，我发现确实有一个物体'V17'

> train.model
Call:
multinom(formula = V1 ~ ., data = train, maxit = 450)

Coefficients:
  (Intercept)        V2 
B -12.9514837 1.0668464 
C -48.1154774 1.6160071 
D  -2.2901219 1.0062945 
E -39.4371326 0.6848848 
F -20.6759707 0.8613838 
G -21.4471217 1.2858480 
H -17.4302527 0.8102932 
I  -4.7391825 1.3124087 
J -12.3513130 1.1404751 
K -13.9557738 0.7574471 
L  -0.4915034 0.7191369 
M -14.0855382 0.8888810 
N  -0.4372225 0.6041747 
O -18.2596753 1.2708861 
P  -9.8504326 1.2672870 
Q -20.9940977 1.8104502 
R  -5.8030089 0.8677690 
S -12.9944084 0.8097735 
T -32.5636344 1.8977861 
U  -9.1752184 1.6059663 
V -13.5695897 1.4547335 
W  -6.2590220 1.1292715 
X  -4.5939135 0.7603754 
Y -15.6763068 1.6498374 
Z -37.1840564 0.7382329 

*SNIP*

         V17
  1.63319426
  1.93093207
  0.80392847
  1.79189803
  1.32248565
  1.72440154
  1.22022835
  1.03014847
  0.20977345
  2.40335443
  1.17253978
  0.65072776
  0.46675729
  1.16579165
  1.50787334
  1.41267773
  1.71666099
  0.72543894
  0.64857852
  0.32401569
  1.33290027
  0.83846524
  1.02863203
 -0.05005955
  0.13792242

Residual Deviance: 26196.1 
AIC: 27046.1

这很奇怪，我现在不知道错误发生的原因。无论如何为了获得更多数据我试着调用summary(train.model)，但这完全挂起了R永远。我已经尝试了32b和64b版本的R 2.15.2（最新的稳定版本），结果是一样的。有没有人知道如何解决错误/挂起以及我如何正确预测使用multinom创建的模型？

Answer 1

总结上述评论：

确保满足以下条件：

all(names(train)[-1] %in% names(test.data)) # [-1] to ignore V1

否则，predict会抛出错误。

并添加一点价值：根据我的经验，summary.multinom花了这么长时间的原因是vcov.multinom被调用并且正在计算Hessian。如果您正在拨打summary(train.model)的多个电话，那么在multinom的调用中计算Hessian是有意义的（可能还需要一段时间）：

train.model <- multinom(V1 ~ ., train, maxit=450, Hess = TRUE)

使用使用multinom挂起和错误创建的模型进行预测

1 个答案: