在 R 中测试具有连续输出的神经网络

Question

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

Answer 1

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)