使用nnet预测新数据的目标

Question

我面临着nnet软件包R中预测函数的问题。

我用训练数据在R中训练了一个nnet模型，但是当我试图预测新的测试样本时，我得到的结果比测试样本的数量要多。

我的列车数据包含3673行，我的测试包含1225行。但是当我预测测试数据时，我得到了3673个目标输出。我已经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')

​

​

上面是r控制台的屏幕截图。我是不是做错什么了。请帮帮我。谢谢。

Answer 1

在最后一行代码中

data=train

所以要么放data=test，要么放new.data=test (取决于nnet包的预测函数说什么)

预测函数不需要火车数据(大部分时间)，因为它只记得模型规范，可以应用于具有相同特性的新数据。或使用

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

Answer 2

我有问题了。当我在预测函数中将data=test替换为test时，它可以工作。这是我修改过的预测代码。

预测<-预测(model.nnet，test，type='class')