如何在 R 中使用 deepnet 进行分类

Question

当我使用示例中的代码时：

library(deepnet)
Var1 <- c(rnorm(50, 1, 0.5), rnorm(50, -0.6, 0.2))
Var2 <- c(rnorm(50, -0.8, 0.2), rnorm(50, 2, 1))
x <- matrix(c(Var1, Var2), nrow = 100, ncol = 2)
y <- c(rep(1, 50), rep(0, 50))
nn <- dbn.dnn.train(x, y, hidden = c(5))

它有效。但是当我使用这段代码时：

Var1 <- c(rnorm(50, 1, 0.5), rnorm(50, -0.6, 0.2))
Var2 <- c(rnorm(50, -0.8, 0.2), rnorm(50, 2, 1))
x <- matrix(c(Var1, Var2), nrow = 100, ncol = 2)
**y <- c(rep("1", 50), rep("0", 50))**
nn <- dbn.dnn.train(x, y, hidden = c(5))

我收到错误：

batch_y 中的错误 - nn$post[[i]] : 二元运算符的非数字参数

如何使用 deepnet 包解决分类问题？

Answer 1

y1 <- c(rep("1", 50), rep("0", 50))

将您带到包不接受的字符向量。让你得到错误

class(y)
#[1] "character"

右边的y应该是如下的数字

y <- c(rep(1, 50), rep(0, 50))
class(y)
#[1] "numeric"

如果你在你的 y 里面看到，你会发现你有 1 或 0 这是分类的二进制值

> table(y)
#y
# 0  1 
#50 50 

如果您想按照手册中的说明进行训练，您可以执行以下操作来训练和预测测试集

Var1 <- c(rnorm(50, 1, 0.5), rnorm(50, -0.6, 0.2))
Var2 <- c(rnorm(50, -0.8, 0.2), rnorm(50, 2, 1))
x <- matrix(c(Var1, Var2), nrow = 100, ncol = 2)
y <- c(rep(1, 50), rep(0, 50))

如果您现在通过 str 查看 x 和 y，只需简单地编写 str(x) 或 str(y) 即可看到它们是数字的（为确保您可以通过 class(x) 和 class(y) 检查它们。

有了你的 X 和 y 之后，你就可以建立你的模型了

dnn <- dbn.dnn.train(x, y, hidden = c(5, 5))

如果您有一个要预测的测试集，那么您可以使用例如手册中提到的方法来预测它

test_Var1 <- c(rnorm(50, 1, 0.5), rnorm(50, -0.6, 0.2))
test_Var2 <- c(rnorm(50, -0.8, 0.2), rnorm(50, 2, 1))
test_x <- matrix(c(test_Var1, test_Var2), nrow = 100, ncol = 2)
nn.test(dnn, test_x, y)

#[1] 0.25

同样，您的 test_x 必须是数字。如果您的问题是您将值作为字符，那么您可以通过 mydata<- as.numeric() 将其转换为数字