R语言 nnet包 predict.nnet()函数中文帮助文档(中英文对照)

loveR

predict.nnet(nnet)
predict.nnet()所属R语言包：nnet

                                         Predict New Examples by a Trained Neural Net
                                         由经过培训的神经网络预测新的实例

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Predict new examples by a trained neural net.
由受过训练的神经网络预测新的例子。


用法----------Usage----------


## S3 method for class 'nnet'
predict(object, newdata, type = c("raw","class"), ...)



参数----------Arguments----------

参数：object
an object of class nnet as  returned by nnet.  
类的一个对象nnet返回的nnet。


参数：newdata
matrix or data frame of test examples. A vector is considered to be a row vector comprising a single case.  
矩阵或数据框的测试的例子。的向量被认为是包括一个单一的情况下的一个行向量。


参数：type
Type of output  
输出类型


参数：...
arguments passed to or from other methods.  </table>
传递的参数或其他方法。 </ TABLE>


Details

详细信息----------Details----------

This function is a method for the generic function predict() for class "nnet". It can be invoked by calling predict(x) for an object x of the appropriate class, or directly by calling predict.nnet(x) regardless of the class of the object.
这个函数是一个方法的通用函数predict()类"nnet"。它可以调用是通过调用predict(x)的对象x适当的类，或直接致电predict.nnet(x)的类的对象。


值----------Value----------

If type = "raw", the matrix of values returned by the trained network; if type = "class", the corresponding class (which is probably only useful if the net was generated by nnet.formula).
如果type = "raw"，矩阵的返回值由受过训练的网络;如果type = "class"，对应的类（这可能是有用的，如果扣除所产生的nnet.formula）。


参考文献----------References----------

Pattern Recognition and Neural Networks. Cambridge.
Modern Applied Statistics with S. Fourth edition.  Springer.

参见----------See Also----------

nnet, which.is.max
nnet，which.is.max


实例----------Examples----------


# use half the iris data[用一半的虹膜数据]
ir <- rbind(iris3[,,1], iris3[,,2], iris3[,,3])
targets <- class.ind( c(rep("s", 50), rep("c", 50), rep("v", 50)) )
samp <- c(sample(1:50,25), sample(51:100,25), sample(101:150,25))
ir1 <- nnet(ir[samp,], targets[samp,],size = 2, rang = 0.1,
            decay = 5e-4, maxit = 200)
test.cl <- function(true, pred){
        true <- max.col(true)
        cres <- max.col(pred)
        table(true, cres)
}
test.cl(targets[-samp,], predict(ir1, ir[-samp,]))

# or[或]
ird <- data.frame(rbind(iris3[,,1], iris3[,,2], iris3[,,3]),
        species = factor(c(rep("s",50), rep("c", 50), rep("v", 50))))
ir.nn2 <- nnet(species ~ ., data = ird, subset = samp, size = 2, rang = 0.1,
               decay = 5e-4, maxit = 200)
table(ird$species[-samp], predict(ir.nn2, ird[-samp,], type = "class"))

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。