R-与神经网络集成吗？ | 与神经网络集成吗

这是我的data.frame的一小部分

    naiveBayesPrediction knnPred5 knnPred10 dectreePrediction logressionPrediction correctClass
1                non-bob        2         2           non-bob    0.687969711847463            1
2                non-bob        2         2           non-bob     0.85851872253358            1
3                non-bob        1         1           non-bob    0.500470892627383            1
4                non-bob        1         1           non-bob     0.77762739066215            1
5                non-bob        1         2           non-bob    0.556431439357365            1
6                non-bob        1         2           non-bob    0.604868385598237            1
7                non-bob        2         2           non-bob    0.554624186182919            1

我已经考虑了一切

   'data.frame':    505 obs. of  6 variables:
     $ naiveBayesPrediction: Factor w/ 2 levels "bob","non-bob": 2 2 2 2 2 2 2 2 2 2 ...
     $ knnPred5            : Factor w/ 2 levels "1","2": 2 2 1 1 1 1 2 1 2 1 ...
     $ knnPred10           : Factor w/ 2 levels "1","2": 2 2 1 1 2 2 2 1 2 2 ...
     $ dectreePrediction   : Factor w/ 1 level "non-bob": 1 1 1 1 1 1 1 1 1 1 ...
     $ logressionPrediction: Factor w/ 505 levels "0.205412826873861",..: 251 415 48 354 92 145 90 123 28 491 ...
     $ correctClass        : Factor w/ 2 levels "1","2": 1 1 1 1 1 1 1 1 1 1 ...

然后我尝试使用Neuronet进行合奏

ensembleModel <- neuralnet(correctClass ~ naiveBayesPrediction + knnPred5 + knnPred10 + dectreePrediction + logressionPrediction, data=allClassifiers[ensembleTrainSample,])

然后我尝试放入一个矩阵

m <- model.matrix( correctClass ~ naiveBayesPrediction + knnPred5 + knnPred10 + dectreePrediction + logressionPrediction, data = allClassifiers )

我认为这与“decistreePrediction”一个功能只有一个级别有关，但它只能从2种可能的结果(bob或non-bob)中找到一个级别，因此我不知道从那里去哪里。

最佳答案

neuralnet函数要求“变量”为numeric或complex值，因为它正在做矩阵乘法，需要numeric或complex参数。这在返回的错误中非常清楚:

Error in neurons[[i]] %*% weights[[i]] :
  requires numeric/complex matrix/vector arguments

下面的简单示例也反射(reflect)了这一点。

mat <- matrix(sample(c(1,0), 9, replace=TRUE), 3)
fmat <- mat
mode(fmat) <- "character"

# no error
mat %*% mat

# error
fmat %*% fmat
Error in fmat %*% fmat : requires numeric/complex matrix/vector arguments

作为实际功能的快速演示，我将使用infert数据集，该数据集在程序包中用作演示。

library(neuralnet)
data(infert)

# error
net.infert <- neuralnet(case~as.factor(parity)+induced+spontaneous, infert)
Error in neurons[[i]] %*% weights[[i]] :
  requires numeric/complex matrix/vector arguments

# no error
net.infert <- neuralnet(case~parity+induced+spontaneous, infert)

您可以将correctClass保留为factor，因为无论如何它将被转换为虚拟数字变量，但是最好也将其转换为相应的二进制表示形式。

我对您的建议是:

将因子转换为相应的二进制表示形式(即0和1)

将logressionPrediction保留为数字

忽略仅具有1个值的变量。包括这些变量是完全多余的，因为无法使用它们来完成学习。

关于R-与神经网络集成吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29798851/