重新计算预测

Question

我在R中的下面的代码使用所述NNET包来获得权重值和预测值的神经网络的值：

test <- read.csv('ScaledData.csv',header=TRUE,sep = ",") 

ANNtrain <- nnet(Price ~ Sqft + Bedrooms + Bathrooms,test[1:650,],size=2, maxit=5000, linout=TRUE) 

ANNtrain$wts 

ANNtrain$fitted.values 

所以我结束了这些权重：

b->h1 2.3681687 
i1->h1 -0.3898256 
i2->h1 1.3565967 
i3->h1 -1.8423163 
b->h2 1.4826518 
i1->h2 0.6584391 
i2->h2 0.8964167 
i3->h2 -1.3290192 
b->o 1.0835755 
h1->o -4.977095 
h2->o 4.2466241 

我试图重新计算拟合值，例如第一笔交易的拟合值是.025014924。

我在每个隐藏节点上使用sigmoid函数，我知道它是1 /（1 + exp（-a）），其中a =每个输入变量的加权值之和。

我一直在玩这个几个小时，现在我很难过。无论我做什么，我都无法重新计算拟合的值。有任何想法吗？ linout参数是否改变了计算？

Answer 1

A sigmoid function不是一个特定的功能。它是一类功能。这个类的实例是e。 G。 logistic function1/(1+exp(-a))或hyperbolic tangent。

当您设置linout=TRUE时，您可以选择身份函数（f(a) = a）作为输出图层的激活函数，即i。即你实际上在输出层没有激活功能。