使用nnet R预测新数据的目标

Question

我在nnet软件包R中面临预测功能的问题。

我在R中训练了一个带有火车数据的nnet模型，但是当我尝试预测新的测试样本时，我得到的结果多于测试样本的数量。

我的火车数据包含3673行，我的测试有1225行。 但是当我预测测试数据时，我得到了3673个目标输出。我在下面粘贴了我的代码。

index<-1:nrow(wine_data)
set.seed(1)
train_ind <- sample(index,.75*nrow(wine_data))
train<-wine_data[train_ind,]
test<-wine_data[-train_ind,]

model.nnet<-nnet(formula=f,data=train,linout=FALSE,size=10)

predicted<-predict(model.nnet,data=test,type='class')

以上是r console的截图。我在这里做错了什么。请帮助我。谢谢。

Answer 1

在最后一行代码中

  

数据=列车

所以要么把data = test，要么new.data = test（取决于nnet包的预测函数所说的）

预测功能不需要列车数据（大部分时间），因为它只记得模型规范，可以应用于具有相同功能的新数据。 或使用

predicted<-predict(model.nnet, test,type="class")

Answer 2

我遇到了问题。当我在预测功能中用测试替换 data = test 时，它可以正常工作。这是我修改后的预测代码。

预测＆LT; -predict（model.nnet，测试，类型= '类'）