Прогнозирование класса для новых данных с помощью neuralnet

Я пытаюсь предсказать класс (0 или 1) для тестового набора данных, используя нейронную сеть, обученную с использованием пакета neuralnet в R.

Данные, которые у меня есть, выглядят следующим образом:

Для тренировки:

x1          x2          x3          x4          y
0.557       0.6217009   0.4839      0.5606936   0
0.6549      0.6826347   0.4424      0.4117647   1
0.529       0.5744681   0.5017      0.4148148   1
0.6016771   0.5737052   0.3526971   0.3369565   1
0.6353945   0.6445013   0.5404255   0.464       1
0.5735294   0.6440678   0.4385965   0.5698925   1
0.5252      0.5900621   0.4412      0.448       0
0.7258687   0.7022059   0.5347222   0.4498645   1

и более.

Набор тестов выглядит точно так же, как и данные обучения, просто с разными значениями (если нужно, я отправлю некоторые образцы).

Используемый мной код выглядит следующим образом:

> library(neuralnet)
> nn <- neuralnet(y ~ x1+x2+x3+x4, data=train, hidden=2, err.fct="ce", linear.output=FALSE)
> plot(nn)
> compute(nn, test)

Поезда сети, и я могу успешно построить сеть, но вычисление не работает. Когда я запускаю вычисление, он вызывает следующую ошибку:

Error in neurons[[i]] %*% weights[[i]] : non-conformable arguments

Итак, в основном я пытаюсь обучить нейронную сеть, чтобы успешно классифицировать новые тестовые данные.

Любая помощь приветствуется.

Edit:

Сэмплирование тестового объекта:

x1          x2  x3          x4          y
0.5822  0.6591  0.6445013   0.464       1
0.4082  0.5388  0.5384616   0.4615385   0
0.4481  0.5438  0.6072289   0.5400844   1
0.4416  0.5034  0.5576923   0.3757576   1
0.5038  0.6878  0.7380952   0.5784314   1
0.4678  0.5219  0.5609756   0.3636364   1
0.5089  0.5775  0.6183844   0.5462555   1
0.4844  0.7117  0.6875      0.4823529   1
0.4098  0.711   0.6801471   0.4722222   1

Я также пробовал его с столбцом y, свободным от любых значений.

Ответ 1

Трудно сказать, в отсутствие хорошего описания "тестового" объекта, но можете ли вы увидеть, дает ли это лучшие результаты:

compute(nn, test[, 1:4])

Ответ 2

У меня была та же проблема. Я положил debugonce(neuralnet), и я обнаружил, что нейронная сеть умножает матрицу разных размеров.

Я решил проблему удаления столбца y из теста с помощью этой функции

columns <- c("x1","x2","x3","x4")
covariate <- subset(test, select = columns)

Ответ 3

Я знаю, что это старый пост, но я столкнулся с уникальной частью, которая может помочь кому-то в будущем. Думал, что это сообщение наиболее применимо, поскольку оно вызывает ту же ошибку.

Масштабирование набора данных должно быть преобразовано обратно в data.frame для использования в вычислении

#scaled data
scaledData=scale(data)
nn=neuralnet(y~x,data=scaledData[train,])

#this repeatedly failed for me
compute(nn,scaledData[test,])

#this worked 
compute(nn,as.data.frame(scaledData)[test,])