使用 R Neuralnet 包获得不正确的结果答案

【问题标题】：Getting Incorrect Results with R Neuralnet packages使用 R Neuralnet 包获得不正确的结果
【发布时间】：2015-11-06 06:18:54
【问题描述】：

在 R 中运行以下代码来训练神经网络对笔迹进行分类。共有63列，其中第63列是从0到9的分类

library(neuralnet)
data <- read.csv("handwriting.csv")
index <- sample(1:nrow(data),round(0.75*nrow(data)))
train <- data[index,]
test <- data[-index,]
n <- names(train)
f <- as.formula(paste("a63 ~", paste(n[!n %in% "a63"], collapse = " + ")))
nn <- neuralnet(f,data=train, hidden=2, linear.output=F, act.fct = "logistic", err.fct="ce")
plot(nn)
pr.nn <- compute(nn,test[, -63])
predicted <- pr.nn$net.result
results <- cbind(predicted, test$a63)
results

我在最后一步得到的输出如下

4480 0.9999991455    0
4482 0.9999991455    2
4490 0.9999991455    0
4492 0.9999991455    2
4494 0.9999991455    4

带小数的第一列是预测结果，但这不是我所期望的，因为结果应该是分类的，就像最后一列不是小数一样，当我更改 linear.output = TRUE 时，我得到更接近的值但是这不是正确的解释，因为我的意图是分类

【问题讨论】：

“不正确的结果”是一个煽动性的问题标题，与“不是我所期望的”有很大不同。

标签： r machine-learning neural-network

【解决方案1】：

R 不知道 csv 中的 0-9 是一个分类变量。你必须强迫它成为一个因素。现在，您正在预测一个连续值。在直接跳到预测建模之前进行一些探索性分析会有所帮助，包括确保您在调用 class() 函数时使用了正确的数据类型。

【讨论】：