1

这是我在 R 中使用机器学习范式的第一次尝试。我正在使用行星数据集（网址：https ://www.kaggle.com/mrisdal/open-exoplanet-catalogue ），我只是想预测一个行星的大小基于其太阳的大小。这是我目前拥有的代码，使用 nnet()：

library(nnet)
#Organize data:
cols_to_keep = c(1,4,21)
full_data <- na.omit(read.csv('Planet_Data.csv')[, cols_to_keep])

#Split data:
train_data <- full_data[sample(nrow(full_data), round(nrow(full_data)/2)),]
rownames(train_data) <- 1:nrow(train_data)
test_data <- full_data[!rownames(full_data) %in% rownames(data1),]
rownames(test_data) <- 1:nrow(test_data)

#nnet
nnet_attempt <- nnet(RadiusJpt~HostStarRadiusSlrRad, data=train_data, size=0, linout=TRUE, skip=TRUE, maxNWts=10000, trace=FALSE, maxit=1000, decay=.001)

nnet_newdata <- predict(nnet_attempt, newdata=test_data)
nnet_newdata

当我打印 nnet_newdata 时，我会为数据中的每一行得到一个值，但我并不真正理解这些值的含义。这是使用 nnet() 包预测简单回归的正确方法吗？

谢谢

4

1 回答 1

0

当predict调用具有类的对象时nnet，默认情况下，您将获得来自应用到新数据集的 nnet 模型的原始输出。相反，如果您的问题是分类问题，您可以使用type = "class".

见这里。

于 2017-01-24T08:44:42.007 回答