Ich möchte die Genauigkeit oder die RMSE
der Prediction Ergebnis eines neuronalen Netzes erhalten. Ich habe begonnen, eine Verwirrungsmatrix zu verwenden, aber wie in früheren Antworten angezeigt, gibt die Verwechslungsmatrix gültige Ergebnisse für nicht kontinuierliche Variablen.Vorhersage über neuronales Netzwerk in R
Gibt es eine Möglichkeit, die Genauigkeit oder die Fehlerrate einer neuronalen Netzwerkvorhersage zu erhalten?
library(nnet)
library(caret)
library(e1071)
data(rock)
newformula <- perm ~ area + peri + shape
y <- rock[, "perm"]
x <- rock[!colnames(rock)%in% "perm"]
original <- datacol(rock,"perm")
nnclas_model <- nnet(newformula, data = rock, size = 4, decay = 0.0001, maxit = 500)
nnclas_prediction <- predict(nnclas_model, x)
nnclas_tab <- table(nnclas_prediction, y)
rmse <- sqrt(mean((original - nnclas_prediction)^2))
Wer weiß, wie ich diese Arbeit machen kann:
Als Beispiel hier ist der Code, ich habe bis jetzt habe? oder wie kann ich die Genauigkeit oder die Neural Network Prediction erhalten? Jede Hilfe wird sehr geschätzt.
Warum rufen Sie nicht 'confusionMatrix' direkt auf den vorhergesagten Ergebnisse und 'y'? d. h. 'confusionMatrix (nnclas_prediction, y)' – cdeterman
Es scheint, dass Sie versuchen, eine Konfusionsmatrix für Vorhersagen über eine kontinuierliche Variable zu erstellen. Verwechslungsmatrizen sind für Klassifikationsprobleme gedacht ... – Jason
meinst du etwa so: 'nnclas_prediction <- confusionMatrix ((vorhergesagt (nnclas_model, x)), y)'? – mina