[英]Testing Neural Network with Continuous Output in R
尝试使用神经网络包计算连续输出并将其应用于我的测试集以计算错误率。
但是,我的预测输出似乎相同。
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
我的结果显示所有相同的值,我知道在神经网络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$SalaryNormalized - res
另外,我试图计算错误并得到这个错误
Error in GC_test$SalaryNormalized - res :
non-numeric argument to binary operator
你可以使用它
sigmoid = function(x) {1 / (1 + exp(-x))}
nn <- 神经网络(X06.Offset + X16.Offset ~ Mold.temp + Hot.Runner.temp + Holding.pressure + Holding.time +Injection.speed ,data=train_,hidden=c(2,3), 线性。 output=T,act.fct = sigmoid , learningrate = 0.01, threshold = 0.01, stepmax = 5e7)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.