私はRに完全に新しいです

Question

Weekly_Salesを予測するRパッケージ「neuralnet」を使用して、私は

データR.

にneuralnetパッケージを使用してニューラルネットワークを訓練することによって、テストデータセットのWeekly_Salesを予測しようとしています私が見てきた（train1）：データ電車用

>ind<- sample(2,nrow(train1),replace= TRUE,prob=c(0.7,0.3)) 
>train <- train1[ind==1,] 
>test <- train1 [ind==2,] 

の

Store Dep Date  Temperature Fuel_Price MarkDown1 MarkDown2 MarkDown3 MarkDown4 MarkDown5 CPI   Unemployment IsHoliday Rank Weekly_Sales 
    1 1 5/2/2010  42.31  2.572  -2000  -500  -100  -500  -700 211.0963582  8.106   0   13  24924.50 
    1 1 12/2/2010  38.51  2.548  -2000  -500  -100  -500  -700 211.2421698  8.106   1   13  46039.49 
    1 1 19/02/2010  39.93  2.514  -2000  -500  -100  -500  -700 211.2891429  8.106   0   13  41595.55 
    1 1 26/02/2010  46.63  2.561  -2000  -500  -100  -500  -700 211.3196429  8.106   0   13  19403.54 
    1 1 5/3/2010  46.50  2.625  -2000  -500  -100  -500  -700 211.3501429  8.106   0   13  21827.90 
    1 1 12/3/2010  57.79  2.667  -2000  -500  -100  -500  -700 211.3501429  8.106   0   13  21827.90 

分離テストのための

>head(train) 
Store Dept Date Temperature Fuel_Price MarkDown1 MarkDown2 MarkDown3 MarkDown4 MarkDown5  CPI Unemployment  IsHoliday Rank Weekly_Sales 
1 1 5/2/2010  42.31  2.572  -2000  -500  -100  -500  -700  211.0963582  8.106   0   13  24924.50 
1 1 26-02-2010  46.63  2.561  -2000  -500  -100  -500  -700  211.3196429  8.106   0   13  19403.54 
1 1 5/3/2010  46.50  2.625  -2000  -500  -100  -500  -700  211.3501429  8.106   0   13  21827.90 
1 1 19-03-2010  54.58  2.720  -2000  -500  -100  -500  -700  211.2156350  8.106   0   13  22136.64 
1 1 26-03-2010  51.45  2.732  -2000  -500  -100  -500  -700  211.0180424  8.106   0   13  26229.21 
1 1 2/4/2010  62.27  2.719  -2000  -500  -100  -500  -700  210.8204499  7.808   0   13  57258.43 

>head(test) 
Store Dept Date Temperature Fuel_Price MarkDown1 MarkDown2 MarkDown3 MarkDown4 MarkDown5 CPI  Unemployment IsHoliday Rank Weekly_Sales 
1 1 12/2/2010  38.51  2.548  -2000  -500  -100  -500  -700 211.2421698 8.106  1  13  46039.49 
1 1 19-02-2010  39.93  2.514  -2000  -500  -100  -500  -700 211.2891429 8.106  0  13  41595.55 
1 1 12/3/2010  57.79  2.667  -2000  -500  -100  -500  -700 211.3806429 8.106  0  13  21043.39 
1 1 7/5/2010  72.55  2.835  -2000  -500  -100  -500  -700 210.3399684 7.808  0  13  17413.94 
1 1 21-05-2010  76.44  2.826  -2000  -500  -100  -500  -700 210.6170934 7.808  0  13  14773.04 
1 1 28-05-2010  80.44  2.759  -2000  -500  -100  -500  -700 210.8967606 7.808  0  13  15580.43 

次のように私はルックスを使用してコード：

>library(neuralnet) 



>n <-neuralnet(Weekly_Sales~Temperature+Fuel_Price+MarkDown1+MarkDown2+MarkDown3+MarkDown4+MarkDown5+CPI+Unemployment+IsHoliday+Rank,data= train,hidden=c(4,3),err.fct="sse",linear.output=FALSE) 
>plot(n) 
>output <- compute(n,test[,4:14]) 
>output1 <- output$net.result*(max(test$Weekly_Sales)-min(test$Weekly_Sales))+min(test$Weekly_Sales) 

ニューラルネットワークが訓練され、それが範囲内のエラーを示しています10^13のまた、毎回同じ出力が得られます。私はコードを実行していますが、これらの予測はテストデータの実際のWeekly_Salesにも近くないのです。私は別の部門のデータセットを使用しましたが、同じ予測を得ています。

出力

>head(output$net.result) 
     [,1] 
2 0.9999999998 
3 0.9999999998 
6 0.9999999998 
14 0.9999999998 
16 0.9999999998 
17 0.9999999998 



> head(output1) 
    [,1] 
2 149743.97 
3 149743.97 
6 149743.97 
14 149743.97 
16 149743.97 
17 149743.97 

Answer 1

あなたはneuralnetを適用する前に、あなたのデータを正規化する必要があります（）。だから、電車/テストにtrain1を分割する前に、コード

maximum <- apply(train1, 2, max) 
minimum <- apply(train1, 2, min) 
train1_scaled <- as.data.frame(scale(train1, center=minimum, scale = maximum- minimum)) 

の下に使用し、データを分割し、機能の下のコードの下に

#linear.output should be TRUE as you are predicting continuos dependent variable 
n <- neuralnet(Weekly_Sales~Temperature+Fuel_Price+MarkDown1+MarkDown2+MarkDown3+MarkDown4+MarkDown5+CPI+Unemployment+IsHoliday+Rank,data= train,hidden=c(4,3),err.fct="sse",linear.output=TRUE) 

を使用するようにコードを使用しても、この

#basically to convert it back to non-scaled version, you need to do it using non-scaled original data not 'test' dataset 
output1 <- output$net.result*(max(train1$Weekly_Sales)-min(train1$Weekly_Sales))+min(train1$Weekly_Sales) 

#also the dependent variable in test dataset will need conversion 
test$Weekly_Sales_nonScaled <- test$Weekly_Sales*(max(train1$Weekly_Sales)-min(train1$Weekly_Sales))+min(train1$Weekly_Sales) 

#After this you can compare original data (test$Weekly_Sales_nonScaled) with predicted data (output1) 

後に若干の修正が必要になります

助けてくれたらお知らせください：