时间戳

首页 > 解决方案 > 您如何使用 R 中的神经网络预测值？

r - 您如何使用 R 中的神经网络预测值？

问题描述

我试图预测给定时间、区域类型（0,1,2,3）的 AQI 值，是否在工业区（0,1），以及该区域是否有主要道路（0,1） . 我有超过 350,000 对数据，并使用下面的代码训练了神经网络。那么，在给定时间、区域类型、面积和 rd 输入的情况下，如何使用它来预测新的 AQI？还是我不了解神经网络的目的？谢谢！

  normalize <- function(x) {
    return ((x - min(x)) / (max(x) - min(x)))
  }

  #(AQI, class, ind, rd, hour)
  data = read.csv("neural_data") 
  data <- subset(data, select=c(2:6))
  data = na.omit(data)

  ## creating training and testing data
  train <- data

  ## Scale the network
  train_ <- normalize(train)


  ## Create the NN
  library(neuralnet)
  nn <- neuralnet(AQI~hour+rd+ind+class,data=train_,hidden=c(2,1),linear.output=F, threshold = 0.01)
  plot(nn)```

标签： rmachine-learningneural-network

解决方案

你有一个多类预测。正如@user2974951 提到的，使用预测。下面我补充说明你必须解释结果。需要注意的是，如果您的预测变量为 0 或 1，则对它们进行归一化不会改变任何内容（请参阅您的函数归一化）。

library(neuralnet)
set.seed(1111)

# training /testing data
trn <- sample(1:nrow(iris),100)
trainData <- iris[trn,]
testData <- iris[-trn,]

# before you fit, check what are the levels of the labels
# in your case should be 0,1,2,3
levels(iris$Species)
1] "setosa"     "versicolor" "virginica" 

# fit nn
nn <- neuralnet(Species ~ Petal.Length + Petal.Width,trainData , linear.output = FALSE)
# predictions
pred <- predict(nn,testData)
head(pred)
> head(pred)
   [,1]       [,2]         [,3]
3     1 0.10672416 1.855968e-61
5     1 0.10944693 1.214708e-60
8     1 0.11238864 8.835106e-60
9     1 0.10944693 1.214708e-60

从标题 pred 可以看出，这些是概率，第一列是 setosa（物种的第一级）的概率，第二列是 versicolor 等等。每一行都是来自 trainData 的观察

我们可以取回标签，并做一个混淆矩阵

pred_labels <- levels(testData$Species)[apply(pred,1,which.max)]
actual_labels <- testData$Species

table(pred_labels,actual_labels)
            actual_labels
pred_labels  setosa versicolor virginica
  setosa         16          0         0
  versicolor      0         18         0
  virginica       0          2        14

推荐阅读