Question

尝试使用Neuralnet包计算连续输出并将其应用于我的测试集以计算错误率。

然而，我的预测输出似乎是一样的。

m1 <- neuralnet(SalaryNormalized ~ factor1 + factor2 + factor3, 
            data=GC_train, hidden=2, err.fct="sse", linear.output=TRUE,stepmax=1e6)

GC_test1<-GC_test
GC_test1$SalaryNormalized<-NULL
res$net.result

我的结果显示了所有相同的值，我知道在Neuralnet包上使用连续变量时可能需要缩放。我的预测变量是否也需要缩放？

res <- neuralnet::compute(m1, GC_test1)
testset.error <- GC_test$SalaryNormalized - res

此外，我试图计算错误并得到此错误

Error in GC_test$SalaryNormalized - res : 
non-numeric argument to binary operator

Answer 1

您可以使用它

sigmoid = function（x）{1 / /（1 + exp（-x））}

nn <-神经网络（X06.Offset + X16.Offset〜模具温度+热流道温度+保压+保压时间+注射速度，数据= train_，hidden = c（2,3），linear.output = T，act.fct = Sigmoid，学习率= 0.01，阈值= 0.01，stepmax = 5e7）

R中连续输出的神经网络测试

1 个答案: