使用nnet进行预测,我做对了吗?
machine-learning
neural-network
r
5
0

我对R和AI / ML技术还很陌生 。我想使用神经网络进行预测,由于我是新手,所以我只想看看这是应该怎么做的。

作为测试用例,我基于两个先前的值预测sin()值。为了进行训练,我创建了一个数据框,其中y = sin(x)x1 = sin(x-1)x2 = sin(x-2) ,然后使用公式y ~ x1 + x2

它似乎可行,但是我只是想知道这是否是正确的方法,或者是否有更惯用的方法。

这是代码:

require(quantmod) #for Lag()
requre(nnet)
x <- seq(0, 20, 0.1)
y <- sin(x)
te <- data.frame(y, Lag(y), Lag(y,2))
names(te) <- c("y", "x1", "x2")
p <- nnet(y ~ x1 + x2, data=te, linout=TRUE, size=10)
ps <- predict(p, x1=y)
plot(y, type="l")
lines(ps, col=2)

谢谢

[编辑]

这对于预测电话更好吗?

t2 <- data.frame(sin(x), Lag(sin(x)))
names(t2) <- c("x1", "x2")
vv <- predict(p, t2)
plot(vv)

我想我很想看看nnet实际上是通过查看其预测来工作的(它应该近似于正弦波)。

参考资料:
Stack Overflow
收藏
评论
共 1 个回答
高赞 时间 活跃

我非常喜欢caret包,因为它为各种模型(例如nnet提供了一个不错的统一接口。此外,它使用交叉验证或自举重新采样自动调整超参数(例如sizedecay )。缺点是所有这些重新采样都需要一些时间。

#Load Packages
require(quantmod) #for Lag()
require(nnet)
require(caret)

#Make toy dataset
y <- sin(seq(0, 20, 0.1))
te <- data.frame(y, x1=Lag(y), x2=Lag(y,2))
names(te) <- c("y", "x1", "x2")

#Fit model
model <- train(y ~ x1 + x2, te, method='nnet', linout=TRUE, trace = FALSE,
                #Grid of tuning parameters to try:
                tuneGrid=expand.grid(.size=c(1,5,10),.decay=c(0,0.001,0.1))) 
ps <- predict(model, te)

#Examine results
model
plot(y)
lines(ps, col=2)

它还可以在适当的规模上进行预测,因此您可以直接比较结果。如果你有兴趣在神经网络中,你也应该看看的neuralnetRSNNS包。 caret当前可以调整nnetneuralnet模型,但还没有RSNNS的接口。

/ edit: caret现在具有RSNNS的接口。事实证明,如果您向软件包维护者发送电子邮件,并要求将模型添加到caret他通常会这样做!

/ edit: caret现在还支持brnn包中的前馈神经网络的贝叶斯正则化。此外,插入符号现在还可以更轻松地指定您自己的自定义模型 ,以与您喜欢的任何神经网络包进行交互!

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号