Question

当在预测选择一组二元互斥结果的概率的模型上使用预测时，我收到以下错误。使用nnet包的multinom功能。

predict.multinom（model_name，df.predict，“probs”）出错：订阅分配中不允许使用NA另外：警告消息：'newdata'有5行，但找到的变量有100行

这是一个可重复的例子：

require(nnet)

response1 <- sample(runif(100))
response2 <- 1-response1
responses <- as.matrix(data.frame(response1 = response1, response2 = response2))

train <- data.matrix(data.frame(var1 = runif(100), var2 = runif(100)))

multinom.mod <- multinom(responses ~ train)

test.df <- data.frame(var1 = runif(5), var2 = runif(5))
predict.vec <- predict(multinom.mod, test.df)

正如您所看到的，问题是我的回答包含2个变量。它似乎比我预测的行数少于训练集中的行数时，该函数尝试将训练集中的响应变量与测试集连接起来。

更新：

以下适用于新的预测集。但是，响应变量被视为分类变量，因此预测不正确：

require(nnet)

train <- data.frame(response1 = sample(runif(100)), response2 = 1-response1, var1 = runif(100), var2 = runif(100))

multinom.mod <- multinom(response1 + response2 ~ ., train, type = "probs")

test.df <- data.frame(var1 = runif(5), var2 = runif(5))

predict.vec <- predict(multinom.mod, test.df)

Answer 1

如果您想预测每类响应的概率，您应该使用：

predict.vec <- predict(multinom.mod, test.df, type = "probs")

否则，预测默认为课程type = class。

更新，完整用法（培训和预测）应如下所示：

require(nnet)

response1 <- sample(runif(100))
response2 <- 1 - response1

train <- data.frame(var1 = runif(100), var2 = runif(100))
# train with matrix
responses <- cbind(response1, response2)
multinom.mod <- multinom(responses ~ var1 + var2, train, type = "probs")
# train with category
train$response <- ifelse(response1 > response2, "response1", "response2")
multinom.mod1 <- multinom(response ~ var1 + var2, train)

test.df <- data.frame(var1 = runif(5), var2 = runif(5))
# no matter which training method you use,
# you can predict class (default) or probability
predict.cvec <- predict(multinom.mod, test.df, type = "class")
predict.pvec <- predict(multinom.mod, test.df, type = "probs")

predict.cvec1 <- predict(multinom.mod1, test.df, type = "class")
predict.pvec1 <- predict(multinom.mod1, test.df, type = "probs")

订阅分配中不允许使用NA：预测概率时出错

1 个答案: