मैं हूँ हो रही है त्रुटि Error in eval(predvars, data, env) : object 'B' not found
, मैं नहीं हूँ यकीन है कि कैसे यह करने के लिए लाइन:
nn <- neuralnet(B+M~ area+texture+smoothness, data=cancertrain, hidden=3,
B+M कर रहे हैं दो संभावित मान, या तो सौम्य या घातक है, और तीन गुण है कि अधिक प्रभाव में दृढ़ संकल्प कर रहे हैं क्षेत्र, बनावट, और चिकनाई. मैं मान रहा हूँ मैं सिर्फ मापदंडों के समारोह में neuralnet गलत किया, क्या किसी को पता है? यहाँ कैंसर डेटासेट में एक गूगल स्प्रेडशीट में ।
library(neuralnet)
library(ISLR)
library(rpart)
library(rpart.plot)
library(caTools)
library(random)
#setwd("**change to your working directory**")
data <- read.csv("WDBC.csv", header=T)
#head(data)
cancer.dataset <- data
#according to previous models and studies, area, texture, and smoothness are the
#attributes with the highest relevance to the diagnosis of benign or malignant
cancer.dataset$b <- cancer.dataset$Diagnosis == "B"
cancer.dataset$m = cancer.dataset$Diagnosis == "M"
cancer.dataset$area <- cancer.dataset$Diagnosis == "area"
cancer.dataset$texture = cancer.dataset$Diagnosis == "texture"
cancer.dataset$smoothness = cancer.dataset$Diagnosis == "smoothness"
cancerdata <- data.frame(cancer.dataset$Diagnosis, cancer.dataset$texture, cancer.dataset$smoothness, cancer.dataset$area)
cancerdata
train <- sample(x = nrow(cancerdata), size = nrow(cancerdata)*0.5)
train
cancertrain <- cancer.dataset[train,]
cancervalid <- cancer.dataset[-train,]
print(nrow(cancertrain))
print(nrow(cancervalid))
nn <- neuralnet(B+M~ area+texture+smoothness, data=cancertrain, hidden=3,
rep = 2, err.fct = "ce", linear.output = F, lifesign = "minimal", stepmax = 10000000)
यह है क्या एक उदाहरण है कि सही द्वारा दिए गए प्रोफेसर की तरह लग रहा है का उपयोग कर मानक आईरिस डेटासेट, मैं नहीं हूँ यकीन है कि अगर मैंने किया है मेरा अधिकार पर आधारित एक यह कैसे किया जाता है:
iris.dataset$setosa <- iris.dataset$Species=="setosa"
iris.dataset$virginica = iris.dataset$Species == "virginica"
iris.dataset$versicolor = iris.dataset$Species == "versicolor"
train <- sample(x = nrow(iris.dataset), size = nrow(iris)*0.5)
train
iristrain <- iris.dataset[train,]
irisvalid <- iris.dataset[-train,]
print(nrow(iristrain))
print(nrow(irisvalid))
nn <- neuralnet(setosa+versicolor+virginica ~ Sepal.Length + Sepal.Width, data=iristrain, hidden=3,
rep = 2, err.fct = "ce", linear.output = F, lifesign = "minimal", stepmax = 10000000)
plot(nn, rep="best")