我是神经网络新手,对使用 nnet 包进行分类有疑问。
我的数据是数字变量和分类变量的混合。我想通过使用 nnet 和函数调用(例如
)来进行输赢预测nnet(WL~., data=training, size=10)
但这给出的结果与我使用仅包含变量的数字版本的数据帧(即将所有因素转换为数字(除了我的预测 WL))不同。
有人可以向我解释一下这里发生了什么吗?我猜 nnet 对变量的解释不同,但我想了解发生了什么。我知道在没有任何数据的情况下很难重现这个问题,但我只是在看如何使用 nnet 拟合神经网络的高级解释。我在任何地方都找不到这个。非常感谢。
str(training)
'data.frame': 1346 obs. of 9 variables:
$ WL : Factor w/ 2 levels "win","lose": 2 2 1 1 NA 1 1 2 2 2 ...
$ team.rank : int 17 19 19 18 17 16 15 14 14 16 ...
$ opponent.rank : int 14 12 36 16 12 30 11 38 27 31 ...
$ HA : Factor w/ 2 levels "A","H": 1 1 2 2 2 2 2 1 1 2 ...
$ comp.stage : Factor w/ 3 levels "final","KO","league": 3 3 3 3 3 3 3 3 3 3 ...
$ days.since.last.match: num 132 9 5 7 14 7 7 7 14 7 ...
$ days.to.next.match : num 9 5 7 14 7 9 7 9 7 8 ...
$ comp.last.match : Factor w/ 5 levels "Anglo-Welsh Cup",..: 5 5 5 5 5 5 3 5 3 5 ...
$ comp.next.match : Factor w/ 4 levels "Anglo-Welsh Cup",..: 4 4 4 4 4 3 4 3 4 3 ...
对比
str(training.nnet)
'data.frame': 1346 obs. of 9 variables:
$ WL : Factor w/ 2 levels "win","lose": 2 2 1 1 NA 1 1 2 2 2 ...
$ team.rank : int 17 19 19 18 17 16 15 14 14 16 ...
$ opponent.rank : int 14 12 36 16 12 30 11 38 27 31 ...
$ HA : num 1 1 2 2 2 2 2 1 1 2 ...
$ comp.stage : num 3 3 3 3 3 3 3 3 3 3 ...
$ days.since.last.match: num 132 9 5 7 14 7 7 7 14 7 ...
$ days.to.next.match : num 9 5 7 14 7 9 7 9 7 8 ...
$ comp.last.match : num 5 5 5 5 5 5 3 5 3 5 ...
$ comp.next.match : num 4 4 4 4 4 3 4 3 4 3 ...
最佳答案
您正在寻找的差异可以用一个非常小的例子来解释:
fit.factors <- nnet(y ~ x, data.frame(y=c('W', 'L', 'W'), x=c('1', '2' , '3')), size=1)
fit.factors
# a 2-1-1 network with 5 weights
# inputs: x2 x3
# output(s): y
# options were - entropy fitting
fit.numeric <- nnet(y ~ x, data.frame(y=c('W', 'L', 'W'), x=c(1, 2, 3)), size=1)
fit.numeric
# a 1-1-1 network with 4 weights
# inputs: x
# output(s): y
# options were - entropy fitting
在 R 中拟合模型时,因子变量实际上是 split out into several indicator/dummy variables 。
因此,因子变量 x = c('1', '2', '3')
实际上被分为三个变量:x1
, x2
、x3
,其中一个保存值1
,而其他保存值0
。此外,由于因子 {1, 2, 3}
是详尽无遗的,因此 x1
、x2
、 中的一个(且仅有一个) x3
必须是 1。因此,变量 x1
、x2
、x3
不是独立的,因为 x1 + x2 + x3 = 1
。因此,我们可以删除第一个变量 x1
并仅保留模型中的 x2
和 x3
值,并得出级别为 1 的结论
如果 x2 == 0
和 x2 == 0
。
这就是您在 nnet
的输出中看到的内容;当 x 是一个因子时,实际上有 length(levels(x)) - 1
输入 到神经网络,并且如果 x
是一个数字,那么神经网络只有一个输入,即 x
。
大多数 R 回归函数(nnet
、randomForest
、glm
、gbm
等)都会执行此映射从因子级别到内部虚拟变量,并且用户不需要意识到这一点。
现在应该清楚使用带有因素
的数据集和用数字
替换因素
的数据集之间有什么区别。如果您将其转换为数字
,那么您将:
- 失去每个级别的独特属性并量化它们之间的差异。
- 强制执行级别之间的排序
这确实会导致模型稍微简单一些(变量较少,因为我们不需要每个级别的虚拟变量),但通常不是正确的做法。
关于r - 使用NNET进行分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20017966/