Я все еще довольно новичок в методах R и AI / ML . Я хотел бы использовать нейронную сеть для прогнозирования, и, поскольку я новичок, я просто хотел бы посмотреть, так ли это должно быть сделано.
В качестве теста я прогнозирую значения sin()
на основе 2 предыдущих значений. Для обучения я создаю фрейм данных с y = sin(x)
, x1 = sin(x-1)
, x2 = sin(x-2)
, затем использую формулу y ~ x1 + x2
.
Кажется, это работает, но мне просто интересно, если это правильный способ сделать это, или есть более идиоматический способ.
Это код:
require(quantmod) #for Lag()
requre(nnet)
x <- seq(0, 20, 0.1)
y <- sin(x)
te <- data.frame(y, Lag(y), Lag(y,2))
names(te) <- c("y", "x1", "x2")
p <- nnet(y ~ x1 + x2, data=te, linout=TRUE, size=10)
ps <- predict(p, x1=y)
plot(y, type="l")
lines(ps, col=2)
Спасибо
[править]
Это лучше для предсказанного вызова?
t2 <- data.frame(sin(x), Lag(sin(x)))
names(t2) <- c("x1", "x2")
vv <- predict(p, t2)
plot(vv)
Полагаю, мне бы хотелось увидеть, что nnet на самом деле работает, посмотрев на его предсказания (которые должны приближаться к синусоиде).