1

我正在尝试使用该nnet库从我的训练数据中创建一个多项逻辑回归模型，以查看是否可以使用它来预测我的测试数据。

我使用此脚本在 R 中设置了所有内容：

library(nnet)

folder <- "C:/***/"
trainingfile <- "training-set.txt"
testfile <- "test-set.txt"

train <- read.table(paste(folder, trainingfile, sep=''), sep=",", header=FALSE)
train.classes <- t(train[1:1])
train.data <- train[2:16]

test <- read.table(paste(folder, testfile, sep=''), sep=",", header=FALSE)
test.classes <- t(test[1:1])
test.data <- test[2:16]

train.model <- multinom(V1 ~ ., train, maxit=450) #converges after roughly 430 iterations

这一切都很好，功能multinom报告收敛。

要使用模型来预测对我使用的测试数据进行分类：

predictions <- predict(train.model, test.data)

但是，我收到了错误Error in eval(expr, envir, enclos) : object 'V17' not found。但是，当我检查时，train.model我发现确实有一个对象“V17”

> train.model
Call:
multinom(formula = V1 ~ ., data = train, maxit = 450)

Coefficients:
  (Intercept)        V2 
B -12.9514837 1.0668464 
C -48.1154774 1.6160071 
D  -2.2901219 1.0062945 
E -39.4371326 0.6848848 
F -20.6759707 0.8613838 
G -21.4471217 1.2858480 
H -17.4302527 0.8102932 
I  -4.7391825 1.3124087 
J -12.3513130 1.1404751 
K -13.9557738 0.7574471 
L  -0.4915034 0.7191369 
M -14.0855382 0.8888810 
N  -0.4372225 0.6041747 
O -18.2596753 1.2708861 
P  -9.8504326 1.2672870 
Q -20.9940977 1.8104502 
R  -5.8030089 0.8677690 
S -12.9944084 0.8097735 
T -32.5636344 1.8977861 
U  -9.1752184 1.6059663 
V -13.5695897 1.4547335 
W  -6.2590220 1.1292715 
X  -4.5939135 0.7603754 
Y -15.6763068 1.6498374 
Z -37.1840564 0.7382329 

*SNIP*

         V17
  1.63319426
  1.93093207
  0.80392847
  1.79189803
  1.32248565
  1.72440154
  1.22022835
  1.03014847
  0.20977345
  2.40335443
  1.17253978
  0.65072776
  0.46675729
  1.16579165
  1.50787334
  1.41267773
  1.71666099
  0.72543894
  0.64857852
  0.32401569
  1.33290027
  0.83846524
  1.02863203
 -0.05005955
  0.13792242

Residual Deviance: 26196.1 
AIC: 27046.1

这很奇怪，我现在不知道为什么会发生错误。无论如何，为了获得更多数据，我尝试调用summary(train.model)，但这只会让 R 永远挂起。我已经尝试了 R 2.15.2 的 32b 和 64b 版本（最新的稳定版本），结果是一样的。有没有人知道我如何解决错误/挂起以及如何使用创建的模型正确预测multinom？

4

1 回答 1

3

总结以上评论：

确保满足以下条件：

all(names(train)[-1] %in% names(test.data)) # [-1] to ignore V1

否则，predict会抛出错误。

并增加一点价值：根据我的经验，summary.multinom花费这么长时间的原因vcov.multinom是正在调用并且正在计算 Hessian。如果您要多次调用summary(train.model)，则在调用中计算 Hessian 是有意义的multinom（这可能仍需要一段时间）：

train.model <- multinom(V1 ~ ., train, maxit=450, Hess = TRUE)
于 2012-12-02T22:09:26.520 回答