0
我泰坦尼克號數據集應用neuralnet(含PClass,性別,年齡,Sibsp,烘乾,車費,踏上)如何應對NA神經網絡預測結果中的R
library(caret)
model_nnet <- train(as.factor(Survived) ~.,
method="nnet",
train_df,
linout=FALSE,
trace = FALSE,
preProcess = c("center", "scale"))
nnet_predict <- predict(model_nnet, test_df)
雖然我預計nnet_predict與測試數據框(418條記錄)長度相同,它實際上包含NA,並且只有331個結果。有關如何處理它的任何建議?謝謝
謝謝!非常有幫助。但是有一個問題沒有解決:是否總是需要分別在訓練和測試中進行虛擬變量的創建和創建,還是有更好的方法? – santoku
通常您應該首先處理您的數據以查找缺失值/異常值等,然後將其分解爲火車/測試數據。如果數據已經分割,然後合併處理,然後在運行模型之前重新分割。 – Prem