Question

我正试图根据袋子样品的性能在袋装模型中进行投票。

construct.annet = function(trainset,n,p=1){
  annet.struct = vector(mode="list",length=n)
  cat("Constructing Agregate Neural Network with ",p,"\n")
  for(i in 1:n){
    cat("iteration ",i,"\n")
    bsamp = trainset[sample(p*dim(trainset)[1],replace=T),]
    annet.struct[[i]] = nnet(class~.,data=bsamp,size=sample(4:12,1),maxit=1000)
  }
  return(annet.struct)
}

印刷迭代只是告诉我需要多长时间。至于为什么我随机改变隐藏层的大小，这似乎是当时要做的事情。

我想要做的是在每次迭代构建模型后添加另一行，我在包样本上测试模型，然后记录其预测准确性。然后我将使用该数据来加权最终模型上的百分比投票。（性能较低的模型减轻了重量等）

问题是，我无法弄清楚如何从传入数据中删除自举样本。而我的谷歌显然没有帮助。

感谢。

Answer 1

这个想法是使用索引来绘制到引导子集中的样本，而不是直接提取这些样本：

ibsamp <- sample (nrow (trainset), replace = TRUE)
annet.struct[[i]] = nnet (class ~ ., data = trainset [ibsamp, ],
                          size = sample (4 : 12, 1), maxit = 1000)

然后，您可以使用subset找出哪些样本不包含在训练集中

itest <- setdiff (seq_len (nrow (trainset)), ibsamp)
test [[i]] <- predict (annet.struct [[i]], newdata = trainset [itest, ])

（为了清楚起见，我建议将traindata重命名为data

R，去除袋装样品以产生袋样品

1 个答案: