使用neuralnet新的数据来预测类(predicting class for new data

我试图预测类（0或1），用于使用神经网络的测试数据集训练的使用neuralnet包在R.

我拥有的数据如下所示：

火车：

x1          x2          x3          x4          y
0.557       0.6217009   0.4839      0.5606936   0
0.6549      0.6826347   0.4424      0.4117647   1
0.529       0.5744681   0.5017      0.4148148   1
0.6016771   0.5737052   0.3526971   0.3369565   1
0.6353945   0.6445013   0.5404255   0.464       1
0.5735294   0.6440678   0.4385965   0.5698925   1
0.5252      0.5900621   0.4412      0.448       0
0.7258687   0.7022059   0.5347222   0.4498645   1

和更多。

测试集看起来完全一样的训练数据，只是不同的值（如果需要的话，我将发布一些样品）。

我使用的代码如下：

> library(neuralnet)
> nn <- neuralnet(y ~ x1+x2+x3+x4, data=train, hidden=2, err.fct="ce", linear.output=FALSE)
> plot(nn)
> compute(nn, test)

网络列车，我可以成功地绘制了网络，但计算不起作用。当我运行计算它给了我下面的错误：

Error in neurons[[i]] %*% weights[[i]] : non-conformable arguments

所以基本上我想训练神经网络分类成功的新的测试数据。

任何帮助表示赞赏。

编辑：

测试对象的采样是：

x1          x2  x3          x4          y
0.5822  0.6591  0.6445013   0.464       1
0.4082  0.5388  0.5384616   0.4615385   0
0.4481  0.5438  0.6072289   0.5400844   1
0.4416  0.5034  0.5576923   0.3757576   1
0.5038  0.6878  0.7380952   0.5784314   1
0.4678  0.5219  0.5609756   0.3636364   1
0.5089  0.5775  0.6183844   0.5462555   1
0.4844  0.7117  0.6875      0.4823529   1
0.4098  0.711   0.6801471   0.4722222   1

我也与Y列空的任何值的尝试。

Answer 1:

难在没有“test'对象的一个很好的描述说，但你可以看到，如果可以得到较好的结果：

compute(nn, test[, 1:4])

Answer 2:

我有同样的问题。我把debugonce(neuralnet)我发现neuralnet从不同尺寸乘以矩阵。

我从解决与测试此功能删除在Y列中的问题

columns <- c("x1","x2","x3","x4")
covariate <- subset(test, select = columns)

Answer 3:

我知道这是一个古老的职位，但我碰到一个独特的作品，可以帮助一个人在未来来了。认为是它抛出了同样的错误这个职位是最适用的。

一个数据集的缩放必须转换回data.frame在计算使用

#scaled data
scaledData=scale(data)
nn=neuralnet(y~x,data=scaledData[train,])

#this repeatedly failed for me
compute(nn,scaledData[test,])

#this worked 
compute(nn,as.data.frame(scaledData)[test,])

文章来源: predicting class for new data using neuralnet