R机器学习 - 神经网络包答案

【问题标题】：R Machine Learning - neuralnet packageR机器学习 - 神经网络包
【发布时间】：2019-02-01 21:22:41
【问题描述】：

我有如下结构化数据：

> str(df.train)
'data.frame':   124 obs. of  11 variables:
 $ predictor01            : int  6 3 2 10 1 5 0 1 11 9 ...
 $ predictor02            : int  148 78 197 168 189 166 118 115 143 171 ...
 $ predictor03            : int  72 50 70 74 60 72 84 70 94 110 ...
 $ predictor04            : int  35 32 45 0 23 19 47 30 33 24 ...
 $ predictor05            : int  0 88 543 0 846 175 230 96 146 240 ...
 $ predictor06            : num  33.6 31 30.5 38 30.1 25.8 45.8 34.6 36.6 45.4 ...
 $ predictor07            : num  0.627 0.248 0.158 0.537 0.398 0.587 0.551 0.529 0.254 0.721 ...
 $ predictor08            : int  50 26 53 34 59 51 31 32 51 54 ...
 $ class-target          : Factor w/ 2 levels "Sem_diabetes",..: 2 2 2 2 2 2 2 2 2 2 ...
 $ class-target-binaray1 : logi  TRUE TRUE TRUE TRUE TRUE TRUE ...
 $ class-target-binaray2 : logi  FALSE FALSE FALSE FALSE FALSE FALSE ...

这是他们的总结：

predictor01         predictor02        predictor03         predictor04        predictor05         predictor06          
 Min.   : 0.000000   Min.   :  0.0000   Min.   :  0.00000   Min.   : 0.00000   Min.   :  0.00000   Min.   : 0.00000  
 1st Qu.: 1.000000   1st Qu.:102.0000   1st Qu.: 64.75000   1st Qu.: 0.00000   1st Qu.:  0.00000   1st Qu.:26.97500  
 Median : 3.000000   Median :124.0000   Median : 72.00000   Median :25.00000   Median :  0.00000   Median :33.20000  
 Mean   : 3.725806   Mean   :127.6371   Mean   : 69.98387   Mean   :22.37903   Mean   : 78.41129   Mean   :32.90242  
 3rd Qu.: 6.000000   3rd Qu.:151.2500   3rd Qu.: 80.50000   3rd Qu.:34.00000   3rd Qu.:131.25000   3rd Qu.:37.40000  
 Max.   :14.000000   Max.   :197.0000   Max.   :110.00000   Max.   :63.00000   Max.   :846.00000   Max.   :67.10000  
 predictor07        predictor08        class-target      class-target-binaray1       class-target-binaray2   
 Min.   :0.078000   Min.   :21.00000   Target1     :62   Mode :logical               Mode :logical  
 1st Qu.:0.262500   1st Qu.:23.75000   Target2     :62   FALSE:62                    FALSE:62       
 Median :0.407000   Median :27.50000                     TRUE :62                    TRUE :62       
 Mean   :0.495871   Mean   :32.20161                                                    
 3rd Qu.:0.657500   3rd Qu.:39.50000                                                    
 Max.   :2.420000   Max.   :67.00000

我通过做...创建了模板

 mod.rn <- neuralnet( class-target-binaray1 + class-target-binaray2 ~ predictor01 +  predictor03 + predictor04 +
                         predictor05 + predictor06 + predictor07, 
                         df.train, hidden=4,
                         linear.output = TRUE, stepmax=1e6)

到此为止。

然后，我将生成的模型应用于测试数据，这样做：

test_result <- compute(mod.rn, df.test[,1:8])

测试数据结构与训练相同。所以我做了[,1:8] 只选择预测变量。

当我运行上面的最后一条命令时，我收到以下错误消息：

Error in neurons[[i]] %*% weights[[i]] : argumentos não compatíveis

有什么想法吗？

【问题讨论】：

标签： r machine-learning neural-network deep-learning recurrent-neural-network

【解决方案1】：

您似乎没有为您的模型拟合 8 个预测变量 - 您的 neuranet() 中缺少 predictor02 和 predictor08。

尝试只保留相关的预测变量，即：

myvars <- c('predictor01', 'predictor03', 'predictor04', 'predictor05', 'predictor06', 'predictor07')
test_result <- compute(mod.rn, df.test[myvars])

或者，如果您错误地忽略了这 2 个预测变量，请将它们添加回您的 neuralnet() 定义中，您的代码应该可以正常工作。

【讨论】：

以前，使用“随机森林”，我检查了变量 predictor01 + predictor03 + predictor04 + predictor05 + predictor06 + predictor07 在预测类（目标）方面具有最佳性能。在我的构想中，我可以使用仅包含这些预测变量的神经网络，而不是整个集合。
@Ângelo 我不同意这一点；我在回答中所说的是，由于（无论出于何种原因）您在拟合 NN 模型时省略了一些预测变量，因此您不应该像现在一样使用 df.test[,1:8]。我提议的更改是否解决了您的问题？