我是R中的新程序員,我正在寫我的論文來訓練神經網絡。 首先,我使用rminer進行數據挖掘,之後使用nnet進行培訓。 現在我不知道哪個函數用於在訓練集和驗證集中劃分數據集,因此使用k-fold交叉驗證,並且在使用nnet之後分別使用這些函數。 對不起,我的英語。 在此先感謝如何使用Rminer和nnet
0
A
回答
1
這是一種方式來獲得一個新的話題/包R中的幫助,當你不知道如何去了解它:
library(help=package.name)
這會給你所有的概述在語言中定義的功能和數據集,每個都有一個簡短的標題。你已經確定你所需要的功能後,您可以諮詢的感興趣的功能的文檔,像這樣:
?function.name
在本文檔中,還注重See Also
部分通常列出了一起有用的功能正在考慮功能。另外,工作的例子。您也可以使用
example(function.name)
用於演示函數的使用和使用它的常見習語。
最後,如果幸運的話,包裝作者可能已經爲包裝寫了vignette
。您可以搜索這樣的包中的所有插曲:
vignette(package="package.name")
我們希望,這將讓你開始與rminer
和nnet
包。
0
這也許爲時已晚,但我發現這個問答,而我一直在尋找的答案,我的Q ... 您可以使用類似這樣
# Splitting in training, Cross-Validation and test datasets
#The entire dataset has 100% of the observations. The training dataset will have 60%, the Cross-Validation (CV) will have 20% and the testing dataset will have 20%.
train_ind <- sample(seq_len(nrow(DF.mergedPredModels)), size = floor(0.6 * nrow(DF.mergedPredModels)))
trainDF.mergedPredModels <- DF.mergedPredModels[train_ind, ]
# The CV and testing datasets' observations will be built from the observations from the initial dataset excepting the ones from the training dataset
# Cross-Validation dataset
# The CV's number of observations can be changed simply by changing "0.5" to a fraction of your choice but the CV and testing dataset's fractions must add up to 1.
cvDF.mergedPredModels <- DF.mergedPredModels[-train_ind, ][sample(seq_len(nrow(DF.mergedPredModels[-train_ind, ])), size = floor(0.5 * nrow(DF.mergedPredModels[-train_ind, ]))),]
# Testing dataset
testDF.mergedPredModels <- DF.mergedPredModels[-train_ind, ][-sample(seq_len(nrow(DF.mergedPredModels[-train_ind, ])), size = floor(0.5 * nrow(DF.mergedPredModels[-train_ind, ]))),]
#temporal data and other will be added after the predictions are made because I don't need the models to be built on the dates. Additionally, you can add these columns to the training, CV and testing datasets and plot the real values of your predicted parameter and the respective predicitons over your time variables (half-hour, hour, day, week, month, quarter, season, year, etc.).
# aa = Explicitly specify the columns to be used in the temporal datasets
aa <- c("date", "period", "publish_date", "quarter", "month", "Season")
temporaltrainDF.mergedPredModels <- trainDF.mergedPredModels[, c(aa)]
temporalcvDF.mergedPredModels <- cvDF.mergedPredModels[, c(aa)]
temporaltestDF.mergedPredModels <- testDF.mergedPredModels[, c(aa)]
# bb = Explicitly specify the columns to be used in the training, CV and testing datasets
bb <- c("quarter", "month", "Season", "period", "temp.mean", "wind_speed.mean", "solar_radiation", "realValue")
trainDF.mergedPredModels.Orig <- trainDF.mergedPredModels[, c(bb)]
trainDF.mergedPredModels <- trainDF.mergedPredModels[, c(bb)]
smalltrainDF.mergedPredModels.Orig <- trainDF.mergedPredModels.Orig[1:10,] #see if the models converge without errors
cvDF.mergedPredModels <- cvDF.mergedPredModels[, c(bb)]
testDF.mergedPredModels <- testDF.mergedPredModels[, c(bb)]
# /Splitting in training, Cross-Validation and test datasets
相關問題
- 1. 瞭解如何在R中使用nnet
- 2. 如何閱讀nnet結果
- 3. rstudent()到nnet對象
- 4. 如何在函數內的multinom/nnet對象上調用model.frame()?
- 5. R nnet繪圖錯誤?
- 6. NNET功能與預測
- 7. 如何在nnet包中設置multinom()中的特定對比度?
- 8. 理解nnet函數的輸出
- 9. 當輸出爲負數時,用插入符號訓練nnet和avNNet模型
- 10. 當使用nnet軟件包中的multinom函數時,如何控制神經網絡的體系結構?
- 11. 如何使用Apache2和PHP啓用和使用HTTP PUT和DELETE?
- 12. 如何使用twitter和facebook使用openinviter?
- 13. 如何使用Ajax使用Flexslider和Wordpress?
- 14. 如何使用ID和麪使用Solr
- 15. 如何使用Hibernate5和Vaadin8使用java.time.LocalDate?
- 16. 如何使用或不使用URL?和/
- 17. Eclipse如何使用和不使用JDK?
- 18. 如何使用使用JavaScript和GraphAPI
- 19. 如何使用preg_match和file_get_content使用PHP?
- 20. 如何使用jsdoc和gulp?
- 21. 如何使用PHP和MySQL
- 22. 如何使用devise和devise_security_extension?
- 23. 如何使用opencv和engine.h
- 24. 如何使用android.intent.action.CALL_PRIVILEGED和android.intent.action.NEW_OUTGOING_CALL?
- 25. 如何使用sqlite3和Python
- 26. 如何使用HttpRequest和HttpResponse
- 27. 如何使用Null求和
- 28. 如何使用PDT和WAMP
- 29. 如何使用IMAP和PHP
- 30. 如何使用QTranslate和Gtranslate