混淆矩阵，R，

Question

我在下面的代码中几乎不需要帮助。我必须设置一个循环，每次从 5 开始并添加 3 直到达到 20，以每次使用不同数量的训练数据训练神经网络模型。然后我必须计算一个折线图，显示不同数字的准确性时代。我还必须保持所有参数与显示的相同。大部分代码都是我们导师给的。我添加了 epochs= c(5,8,11,14,17,20) 来创建历元列表和 error.rate = vector() ，我打算在其中将每个循环的精度存储到一个向量中。我要的精度是从混淆矩阵中得到的，是从公式

中找到的

h2o.hit_ratio_table(<model>,train = TRUE)[1,2]

我面临的问题是我试图创建一个循环。我试图从每个循环中获取结果。我已将循环的第一部分标记为 X 以尝试将其放入向量中，以便将每个循环的精度放入向量 error.rate=h2o.hit_ratio_table(x,train=TRUE)[1,2]).

但是，报错

> Error in is(object, "H2OModelMetrics") : object 'X' not found In
> addition: Warning messages: 1: In 1:epochs : numerical expression has
> 6 elements: only the first used

此外，当我删除 error.rate=...... 部分时，函数运行正常，但无法找到准确值。

我是 R 的菜鸟，所以我将不胜感激。

s <- proc.time()
 epochs= c(5,8,11,14,17,20)
 error.rate = vector()

 for (epoch in 1:epochs){#set up loop to go around 6 times
 X=h2o.deeplearning(x = 2:785,  # column numbers for predictors
               y = 1,   # column number for label
               training_frame = train_h2o, # data in H2O format
               activation = "RectifierWithDropout", # mathematical   activation function
               input_dropout_ratio = 0.2, # % of inputs dropout, because some inputs might not matter.
               hidden_dropout_ratios = c(0.25,0.25,0.25,0.25), # % for nodes dropout, because maybe we don't need full connections. Improves generalisability
               balance_classes = T, # over/under samples so that all classes are similar size.
               hidden = c(50,50,50,50), # two layers of 100 nodes
               momentum_stable = 0.99,
               nesterov_accelerated_gradient = T,
               error.rate=h2o.hit_ratio_table(x,train=TRUE)[1,2])
proc.time() - s}

Answer 1

您正在做 for(epoch in 1:epochs)。这里 'epoch' 项改变了每个循环（通常你在循环中使用它，但我没有看到它？）。 1:epochs 不会像您认为的那样工作。它采用 epochs (5) 的第一个元素，基本上说 for(epoch in 1:5) 其中 epoch 是 1，然后是 2，... 然后是 5。你想要像 for(epoch in epochs) 这样的东西，如果你想要一个序列从代码中的 1:each 纪元开始，您应该在循环中编写它。

另外，x每次循环都会重写。您应该初始化它并在每个循环中保存它的子集：

epochs= c(5,8,11,14,17,20)
 x <- list() # save as list #option 1
 y <- list() # for an option 2
 for (epoch in epochs){ #set up loop to go around 6 times
   X[[epoch]] = h2o.deeplearning(... )
   # or NOW you can somehow use 1:epoch where each loop epoch changes
 }

但我真正关注的是，正如我在 post 中看到的那样，在 for 循环中使用纪元是没有用的。也许找出你想在哪里使用它...

混淆矩阵，R，

CONFUSION MATRIX, R,

loops

r

confusion-matrix