了解如何在R中使用nnet

Question

这是我在R中第一次尝试使用机器学习范式。我使用的是行星数据集(url：https://www.kaggle.com/mrisdal/open-exoplanet-catalogue)，我只是想根据太阳的大小来预测行星的大小。这是我目前使用的代码，使用nnet()：

library(nnet)
#Organize data:
cols_to_keep = c(1,4,21)
full_data <- na.omit(read.csv('Planet_Data.csv')[, cols_to_keep])

#Split data:
train_data <- full_data[sample(nrow(full_data), round(nrow(full_data)/2)),]
rownames(train_data) <- 1:nrow(train_data)
test_data <- full_data[!rownames(full_data) %in% rownames(data1),]
rownames(test_data) <- 1:nrow(test_data)

#nnet
nnet_attempt <- nnet(RadiusJpt~HostStarRadiusSlrRad, data=train_data, size=0, linout=TRUE, skip=TRUE, maxNWts=10000, trace=FALSE, maxit=1000, decay=.001)

nnet_newdata <- predict(nnet_attempt, newdata=test_data)
nnet_newdata

当我打印nnet_newdata时，我会为数据中的每一行获得一个值，但我并不真正理解这些值的含义。这是使用nnet()包预测简单回归的正确方法吗？

谢谢

Answer 1

当为类为nnet的对象调用predict时，默认情况下，您将获得应用于新数据集的nnet模型的原始输出。相反，如果您的问题是分类问题，则可以使用type = "class"。

参见here。