初めてSPECTハートデータセットを使用したneuralnet Rパッケージを使用

Question

したがって、neuralnetパッケージを試して、その使用法と考えられる実装を理解しています。私はSPECTFに働いてる

は、ここでデータセットが利用可能に聞く：私は予測に興味 https://archive.ics.uci.edu/ml/machine-learning-databases/spect/SPECTF.test

変数は、最初の列です。 実際にSPECTF.testとSPECTF.trainをマージし、test_とtrain_（スケーリングされたすべての変数）のRでランダムに分割します。次のように私は、ニューラルネットワークをセットアップするR-ブログのチュートリアル後

> str(train_) 
'data.frame': 200 obs. of 45 variables: 
$ V1 : num 1 1 0 1 1 1 1 1 1 1 ... 
$ V2 : num 0.783 0.75 0.733 0.767 0.75 ... 
$ V3 : num 0.75 0.633 0.6 0.783 0.7 ... 
$ V4 : num 0.636 0.886 0.795 0.841 0.545 ... 
... 
$ V45: num 0.71 0.855 0.797 0.913 0.754 ... 

> str(test_) 
'data.frame': 67 obs. of 45 variables: 
$ V1 : num 0 0 0 0 0 0 0 0 0 0 ... 
$ V2 : num 0.583 0.6 0.6 0.633 0.683 ... 
$ V3 : num 0.7 0.617 0.783 0.917 0.617 ... 
$ V4 : num 0.955 0.705 0.705 0.75 0.727 ... 
... 
$ V45: num 0.899 0.812 0.899 0.797 0.797 ... 

：THITは、彼らがどのように見えるかです

n <- names(train_) 
f <- as.formula(paste("train_[,1] ~", paste(n[!n %in% "train_[,1]"], collapse = " + "))) 
nn <- neuralnet(f,data=train_,hidden=2,linear.output=T) 

そして、それがスムーズに動作します。この時点まで、私はしよう

pr.nn <- compute(nn,test_[,2:45]) 

をしかし、それは戻って私が解決する方法を理解していないこのエラーは、私を与える：テストデータの予測を行う

を10

> pr.nn <- compute(nn,test_[,2:45]) 
Error in neurons[[i]] %*% weights[[i]] : non-conformable arguments 

ご協力いただきありがとうございます。このコミュニティは素晴らしいリソースです！

Answer 1

あなたの問題は、数式fの作成にあります。あなたが作成している式を見てみましょう

f <- as.formula(paste("train_[,1] ~", paste(n[!n %in% "train_[,1]"], collapse = " + "))) 
> f 
train_[, 1] ~ X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + 
X11 + X12 + X13 + X14 + X15 + X16 + X17 + X18 + X19 + X20 + 
X21 + X22 + X23 + X24 + X25 + X26 + X27 + X28 + X29 + X30 + 
X31 + X32 + X33 + X34 + X35 + X36 + X37 + X38 + X39 + X40 + 
X41 + X42 + X43 + X44 + X45 

これは一目瞭然です。しかし、注意深く見てみると、X1が式と予測の両方に含まれていることがわかります。これは問題になります。あなたはX1以外のすべての変数を選択したい場合は

、より簡単な方法があります：

f <- as.formula(paste(paste0(n[1]," ~ "),paste(n[-1], collapse = " + "))) 
> f 
X1 ~ X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11 + X12 + 
X13 + X14 + X15 + X16 + X17 + X18 + X19 + X20 + X21 + X22 + 
X23 + X24 + X25 + X26 + X27 + X28 + X29 + X30 + X31 + X32 + 
X33 + X34 + X35 + X36 + X37 + X38 + X39 + X40 + X41 + X42 + 
X43 + X44 + X45 

は、あなたはまだn個を使用して、変数名のベクトルを作成しました[1]最初の変数名をつかむだろう、 n [-1]は他のすべてをつかむでしょう。

私はこれをわずかなダミーデータを使ってテストし、compute（）を使用してエラーを報告しなかったので、問題が解決するはずです。