我是数据科学的新手，想在R中构建一个神经网络模型。我已经阅读了关于在训练前对分类数据进行独热编码的内容。我尝试实现了这一点，然而，在尝试训练模型时，我收到了以下错误：
Error in model.frame.default(formula = nndf$class ~ ., data = train) : invalid type (list) for variable 'nndf$class'我阅读了nnet的文档，文档中解释说公式应该按以下方式传递：
class ~ x1 + x2但我仍然不确定如何正确地传递数据。
这是代码：
nndf$al <- one_hot(as.data.table(nndf$al))nndf$su <- one_hot(as.data.table(nndf$su))nndf$rbc <- one_hot(as.data.table(nndf$rbc))nndf$pc <- one_hot(as.data.table(nndf$pc))nndf$pcc <- one_hot(as.data.table(nndf$pcc))nndf$ba <- one_hot(as.data.table(nndf$ba))nndf$htn <- one_hot(as.data.table(nndf$htn))nndf$dm <- one_hot(as.data.table(nndf$dm))nndf$cad <- one_hot(as.data.table(nndf$cad))nndf$appet <- one_hot(as.data.table(nndf$appet))nndf$pe <- one_hot(as.data.table(nndf$pe))nndf$ane <- one_hot(as.data.table(nndf$ane))nndf$class <- one_hot(as.data.table(nndf$class))class(nndf$class)# view the dataframe to ensure one hot encoding is correctsummary(nndf)# randomly sample rows for tt splittrain_idx <- sample(1:nrow(nndf), 0.8 * nrow(nndf))test_idx <- setdiff(1:nrow(nndf), train_idx)# prepare training set and corresponding labelstrain <- nndf[train_idx,]# prepare testing set and corresponding labelsX_test <- nndf[test_idx,]y_test <- nndf[test_idx, "class"]# create model with a single hidden layer containing 500 neuronsmodel <- nnet(nndf$class~., train, maxit=150, size=10)# predictionX_pred <- predict(train, type="raw")回答：
假设
数据集中(nndf)的所有变量都是分类变量。
步骤
- 将除响应变量（即class）之外的所有变量转换为独热编码（即0,1格式）
one_hot方法
one_hot_df <- one_hot(nndf[, -13]) # 13是`class`变量的索引。model.matrix方法
model_mat_df <- model.matrix( ~ . - 1, nndf[, -13])-
将
class转换为因子，并将其添加到上述任一数据框中。class <- as.factor(nndf$class)final_df <- cbind(model_mat_df, class) -
将
final_df分割成训练集和测试集，并在模型中使用这些数据。nnet(class~., train, maxit=150, size=10)
