Discussion :

[foxley_gravity]

Bonjour, j'ai déjà fait des méthodes de type réseaux de neurones mais pour mon nouveau sujet, R n'y arrive pas , un problème de classe apparemment, d’où cela peut-il bien venir ?
merci de votre aide

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
 
 
E=kmeans(z,5)
S=E$cluster
T=class.ind(S)
 
 
n=3852
x=cbind(gain,taille)
xs=data.frame(scale(x, center =TRUE, scale=TRUE))
set.seed(1)
samp=c(sample(1:n,1600))
 
 
 
appnn <- predict(nn,xs[samp,], type = "class")
 
Error in predict.nnet(nn, xs[samp, ], type = "class") : 
inappropriate fit for class

[pitipoisson]

Bonjour,

Le mieux serait de nous donner un exemple qu'on puisse faire tourner.
À minima, il faudrait indiquer comment est calculé

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

nn

et les packages utilisés (mais c'est compter sur le fait que les contributeurs connaissent déjà bien les fonctions).

[foxley_gravity]

merci voici les packages et le calcul de nn:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
 
library(FactoMineR)
library(MASS)
library(e1071)
library(nnet)
 
 
nn=nnet(xs,T,data=xs,size=4,subset=samp,softmax=T, decay=1e-4,maxit=50)
 
appnn <- predict(nn,xs[samp,], type = "class")
table(C[samp], appnn)
 
testnn <- predict(nn,xs[-samp,], type = "class")
table(C[-samp], testnn)