0
我泰坦尼克号数据集应用neuralnet(含PClass,性别,年龄,Sibsp,烘干,车费,踏上)如何应对NA神经网络预测结果中的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)
虽然我预计nnet_predict与测试数据框(418条记录)长度相同,它实际上包含NA,并且只有331个结果。有关如何处理它的任何建议?谢谢
谢谢!非常有帮助。但是有一个问题没有解决:是否总是需要分别在训练和测试中进行虚拟变量的创建和创建,还是有更好的方法? – santoku
通常您应该首先处理您的数据以查找缺失值/异常值等,然后将其分解为火车/测试数据。如果数据已经分割,然后合并处理,然后在运行模型之前重新分割。 – Prem