仅有分类神经网络的新数据

Question

我正在训练一个基于神经网络的分类器，使用神经网络包进行训练，使用nnet进行变量的单热编码。 模型上的所有变量都是分类的。该数据由15个标签和6个独立变量（预测变量）组成，这些变量占64个虚拟变量，因此整个数据帧有79列。 该数据来自每月更新数据的2年记录。 该模型准备就绪，我需要用它来预测1月20日结果。 当我尝试用模型计算新数据时会出现问题，因为一旦它被编码为虚拟变量，它就没有与训练数据相同数量的变量。

例如： 训练数据：想象大小和速度是预测因子，动物是类。 尺寸可以是（大，小） 速度可以是（快速，慢速） 动物可以是（狗，龟）

我的数据是：

 Speed    Size    Animal
 Fast     Big     Dog
 Fast     Small   Dog
 Slow     Big     Turtle

一旦进行单热编码，使用来自nnet包的class.ind函数我得到

  Fast  Slow  Big  Small  Dog  Turtle
   1     0     1     0     1      0  
   1     0     0     1     1      0   
   0     1     1     0     0      1  

当新数据没有任何具有一个因子级别的行时出现问题，比如说新数据只包含速度为“快”的动物，那么一旦伪编码，我只得到5个变量而不是训练数据中的6个变量无法使用神经网络进行计算，因为我得到了

神经元中的错误[[i]]％*％权重[[i]]：不一致的参数

我如何编码新数据，以便它具有所有因子水平？

Answer 1

例如，你可以为每一类动物引入一行，然后创建虚拟变量，最后删除＆＃34;假的＆＃34;行。