在未知数据集上应用 MLP？答案

【问题标题】：Apply MLP on unknown dataset?在未知数据集上应用 MLP？
【发布时间】：2021-05-03 13:07:15
【问题描述】：

我正在使用来自Iris MLP 的示例进行简单的机器学习。

这个例子比较简单，因为它是为了训练和测试模型。但是，该示例并未展示如何将经过训练的 MLP 模型应用于未知数据集，以预测该未知数据集的类别（在本例中为花卉类型）。

我已经搜索了几个小时，但找不到任何有用的网站说明如何将经过训练的 MLP 应用于未知数据集。我确实假设iris <- splitForTrainingAndTest(irisValues, irisTargets, ratio=0.15) 将更改为iris <- splitForTrainingAndTest(unknownirisValues, irisTargets, ratio=0.15) 并输入新的mlp()，但这没有多大意义。

有什么想法吗？

【问题讨论】：

标签： r machine-learning classification mlp

【解决方案1】：

CRAN 参考手册的第 32 页， https://cran.r-project.org/web/packages/RSNNS/RSNNS.pdf 这些示例显示了 rsnns 对象的预测通用方法，即经过训练的模型。

这就是你要找的吗？

【讨论】：

很遗憾没有。这就是我在帖子中提到的完全相同的 Iris 示例。此页面显示使用已知数据训练模型的模型。我不明白的是如何使用我的未知数据将其放入经过训练的 MLP 模型中。
当您将测试（看不见的）数据代替训练数据时会发生什么？引发错误？
它不会抛出错误，但它没有意义。如果将未知数据输入splitforTrainingAndTest，那么本质上您是在使用未标记数据训练 MLP，不是吗？
哈哈，我认为只是有些混乱。我实际上并没有使用过这个包，所以感谢您引起我的注意。但是您将数据拆分为训练和测试都已标记。然后您可以将训练数据发送到 mlp() 并将测试数据发送到 predict()
是的，这是原始示例。这意味着我的 MLP 已经过训练，我可以正确使用未标记数据吗？我怎样才能做到这一点？