如何解决使用RSNNS混淆矩阵的MLP返回“错误:`data`和`reference`应该是具有相同水平的因子”
当我运行此代码时:
data(iris)
#shuffle the vector
iris <- iris[sample(1:nrow(iris),length(1:nrow(iris))),1:ncol(iris)]
irisValues <- iris[,1:4]
irisTargets <- decodeClassLabels(iris[,5])
#irisTargets <- decodeClassLabels(iris[,5],valTrue=0.9,valFalse=0.1)
iris <- splitForTrainingAndTest(irisValues,irisTargets,ratio=0.15)
iris <- normTrainingAndTestSet(iris)
model <- mlp(iris$inputsTrain,iris$targetsTrain,size=5,learnFuncParams=c(0.1),maxit=50,inputsTest=iris$inputsTest,targetsTest=iris$targetsTest)
summary(model)
model
weightMatrix(model)
extractNetInfo(model)
par(mfrow=c(2,2))
plotIterativeError(model)
predictions <- predict(model,iris$inputsTest)
plotRegressionError(predictions[,2],iris$targetsTest[,2])
confusionMatrix(iris$targetsTrain,fitted.values(model))
confusionMatrix(iris$targetsTest,predictions)
混淆矩阵返回错误:错误:数据和参考应该是具有相同水平的因子。
我怀疑这是由于预测和iris $ targets是num [1:number,1:3]。
我尝试了很多事情,但不确定如何解决这个问题。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。