저는 R에 익숙하지 않고 R을 인공 신경망 회귀로 사용할 계획입니다. 각 관찰 (입력)에 대해 10 가지 시나리오가 있습니다. 각 시나리오에는 7 개의 변수가 있으며, 이는 7 개의 출력을 의미합니다. 총 1000 회의 관측이 있었고 1000 개의 예상 출력이 있습니다. 훈련을 위해 800 회의 관측을 사용하고 테스트를 위해 나머지를 사용하고 싶습니다. 어느 누구도 내 경우에 대한 표본을 제공 할 수 있습니까? 패키지의 지시 사항을 잘 이해하지 못합니다. 감사합니다.m 입력 및 출력 신경망
0
A
답변
0
here으로 보시면 작업과 매우 비슷합니다. 간단히 : 촬영 standart dataset과 얻는 트레이닝 및 테스트 데이터 세트
irisTrainData = sample(1:150,100)
irisValData = setdiff(1:150,irisTrainData)
신경망 훈련 및 예측 다음 방법을 사용할 수있다 : 여기서 (HTTP의 아이리스
library(nnet)
ideal <- class.ind(irisdata$species)
irisANN = nnet(irisdata[irisTrainData,-5], ideal[irisTrainData,], size=10, softmax=TRUE)
predict(irisANN, irisdata[irisValData,-5], type="class")
+1
[링크 전용 답변] (http://meta.stackoverflow.com/tags/link-only-answers/info)은 다음과 같습니다. 낙담 한 경우 SO 답변은 솔루션 검색의 종단점이어야합니다 (시간이 지남에 따라 오래 지속되지 않는 또 다른 스톱 오버 참조). 링크를 참조 용으로 유지하면서 독립형 시놉시스를 여기에 추가하는 것을 고려해보십시오. – kleopatra
관련 문제
- 1. 의미있는 값을 갖는 신경망 입력 및 출력
- 2. 신경망 입력 및 출력 데이터 형식이
- 3. 신경망 출력
- 4. 신경망 출력
- 5. MATLAB의 신경망 출력 범위
- 6. 신경망 입력
- 7. 신경망 출력 계산
- 8. 가변 크기 길쌈 신경망 입력 및 고정 출력
- 9. 신경망 출력 (C++)
- 10. 신경망 업데이트 입력
- 11. 신경망 입력 순서
- 12. 신경망 모델의 출력
- 13. 해석 신경망 출력
- 14. 신경망
- 15. 신경망 입력 변환
- 16. 신경망 입력 배열 및 정규화 종속성
- 17. 신경망 비선형 입력
- 18. MATLAB의 신경망 입력 바이어스
- 19. 신경망 입력 데이터의 최적화
- 20. Verilog 입력 및 출력 배열
- 21. 입력 및 출력 텍스트 파일
- 22. 신경망 및 역 전파
- 23. 사용자 입력 및 출력
- 24. 입력 및 출력 파일
- 25. SML의 출력 및 입력
- 26. 입력 및 출력 반복기
- 27. 입력, 출력 및 \ n의
- 28. Java에서 입력 및 출력
- 29. 신경망 입력 기능 조정 (회귀 분석)
- 30. 신경망 평가 및 토폴로지
예 : // www.parallelr.com/r-deep-neural-network-from-scratch/) – Patric