質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.51%

  • 機械学習

    886questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • R

    396questions

    R言語は、「S言語」をオープンソースとして実装なおした、統計解析向けのプログラミング言語です。 計算がとても速くグラフィックも充実しているため、数値計算に向いています。 文法的には、統計解析部分はS言語を参考にしており、データ処理部分はSchemeの影響を受けています。 世界中の専門家が開発に関わり、日々新しい手法やアルゴリズムが追加されています。

Rにて手書き数字MNISTをnnetで学習させたい

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,679

npn21

score 5

前提・実現したいこと

Rにて手書き数字データMNISTをnnetで学習させたいと考えています。
サイトを参考に実行してみましたが、エラーが出てしまいうまくいきません。

発生している問題・エラーメッセージ

There were 40 warnings (use warnings() to see them)
> warnings()
 警告メッセージ: 
1: In min(x) : no non-missing arguments to min; returning Inf
2: In max(x) : no non-missing arguments to max; returning -Inf
3: In min(x) : no non-missing arguments to min; returning Inf
4: In max(x) : no non-missing arguments to max; returning -Inf
5: In min(x) : no non-missing arguments to min; returning Inf
6: In max(x) : no non-missing arguments to max; returning -Inf
7: In min(x) : no non-missing arguments to min; returning Inf
8: In max(x) : no non-missing arguments to max; returning -Inf
9: In min(x) : no non-missing arguments to min; returning Inf
10: In max(x) : no non-missing arguments to max; returning -Inf
11: In min(x) : no non-missing arguments to min; returning Inf
12: In max(x) : no non-missing arguments to max; returning -Inf
13: In min(x) : no non-missing arguments to min; returning Inf
14: In max(x) : no non-missing arguments to max; returning -Inf
15: In min(x) : no non-missing arguments to min; returning Inf
16: In max(x) : no non-missing arguments to max; returning -Inf
17: In min(x) : no non-missing arguments to min; returning Inf
18: In max(x) : no non-missing arguments to max; returning -Inf
19: In min(x) : no non-missing arguments to min; returning Inf
20: In max(x) : no non-missing arguments to max; returning -Inf
21: In min(x) : no non-missing arguments to min; returning Inf
22: In max(x) : no non-missing arguments to max; returning -Inf
23: In min(x) : no non-missing arguments to min; returning Inf
24: In max(x) : no non-missing arguments to max; returning -Inf
25: In min(x) : no non-missing arguments to min; returning Inf
26: In max(x) : no non-missing arguments to max; returning -Inf
27: In min(x) : no non-missing arguments to min; returning Inf
28: In max(x) : no non-missing arguments to max; returning -Inf
29: In min(x) : no non-missing arguments to min; returning Inf
30: In max(x) : no non-missing arguments to max; returning -Inf
31: In min(x) : no non-missing arguments to min; returning Inf
32: In max(x) : no non-missing arguments to max; returning -Inf
33: In min(x) : no non-missing arguments to min; returning Inf
34: In max(x) : no non-missing arguments to max; returning -Inf
35: In min(x) : no non-missing arguments to min; returning Inf
36: In max(x) : no non-missing arguments to max; returning -Inf
37: In min(x) : no non-missing arguments to min; returning Inf
38: In max(x) : no non-missing arguments to max; returning -Inf
39: In min(x) : no non-missing arguments to min; returning Inf
40: In max(x) : no non-missing arguments to max; returning -Inf

該当のソースコード

# MNISTのトレーニングデータ読み込み
train <- read.csv("MNIST/train.csv")
train[,"label"] <- as.factor(train[,"label"])

# 42000件のデータを40000件のトレーニングデータと2000件のテストデータに分割
training.index <- 1:40000
mnist.train <- train[training.index,]
mnist.test <- train[-training.index,]

# トレーニングデータをニューラルネットで学習
mnist.nnet <- nnet(label ~ ., size=3, data=mnist.train, MaxNWts=4000)
# weights:  2395
initial  value 10623.019233 
iter  10 value 7643.225165
iter  20 value 7193.715233
iter  30 value 7126.619016
iter  40 value 7061.769417
iter  50 value 7024.126638
iter  60 value 6908.916549
iter  70 value 6849.994496
iter  80 value 6753.666635
iter  90 value 6671.239935
iter 100 value 6639.331857
final  value 6639.331857 
stopped after 100 iterations

# テストデータを使って評価
mnist.result <- predict(mnist.nnet, mnist.test, type="class")
table(mnist.test$label, mnist.result, dnn = c("Actual", "Predicted"))
< table of extent 0 >
↑ここの結果がイマイチ?

# テストデータの正解、予測を表示
range <- 1:20
view_train(mnist.test, range)
< table of extent 10 x 0 >
 ↑ここの結果がイマイチ?

# テストデータの正解、予測を表示
range <- 1:20
view_train(mnist.test, range)
There were 40 warnings (use warnings() to see them)

参考にさせていただいたサイト

http://totech.hateblo.jp/entry/2016/04/11/093802

補足情報(言語/FW/ツール等のバージョンなど)

R-3.3.1、Rstudio 0.99.902

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

質問に記載されているソースコードで実行してみたら,エラーは出ずに結果を得ることができました.

一応,ソースコードを載せておきます.このコードで実行してもエラーは出るでしょうか?

library(nnet)

# 関数の定義
view_train <- function(train, range = 1:20) {
  par(mfrow=c(length(range)/4, 5))
  par(mar=c(0,0,0,0))
  for (i in range) {
    m <- matrix(data.matrix(train[i,-1]), 28, 28)
    image(m[,28:1])
  }
}

view_label <- function(train, range = 1:20) {
  matrix(train[range,"label"], 4, 5, byrow = TRUE)
}

# MNISTのトレーニングデータ読み込み
train <- read.csv("MNIST/train.csv")
train[,"label"] <- as.factor(train[,"label"])

# 42000件のデータを40000件のトレーニングデータと2000件のテストデータに分割
training.index <- 1:40000
mnist.train <- train[training.index,]
mnist.test <- train[-training.index,]

# トレーニングデータをニューラルネットで学習
mnist.nnet <- nnet(label ~ ., size=3, data=mnist.train, MaxNWts=4000)

# テストデータを使って評価
mnist.result <- predict(mnist.nnet, mnist.test, type="class")
table(mnist.test$label, mnist.result, dnn = c("Actual", "Predicted"))

# テストデータの正解、予測を表示
range <- 1:20
view_train(mnist.test, range)
view_label(mnist.test, range)
matrix(mnist.result, 4, 5, byrow = TRUE)

##### 結果 #####
# truth
#     [,1] [,2] [,3] [,4] [,5]
#[1,] "2"  "3"  "9"  "7"  "8" 
#[2,] "3"  "4"  "1"  "0"  "9" 
#[3,] "7"  "9"  "1"  "3"  "7" 
#[4,] "6"  "2"  "2"  "1"  "8" 

# predict
#     [,1] [,2] [,3] [,4] [,5]
#[1,] "1"  "3"  "3"  "7"  "7" 
#[2,] "3"  "4"  "1"  "6"  "7" 
#[3,] "4"  "4"  "1"  "6"  "7" 
#[4,] "6"  "2"  "2"  "1"  "7" 

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2016/06/27 12:14

    t-kanekoさん
    ありがとうございます!
    いただいたソースコードを実行したところ、エラー解消されました。

    キャンセル

同じタグがついた質問を見る

  • 機械学習

    886questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • R

    396questions

    R言語は、「S言語」をオープンソースとして実装なおした、統計解析向けのプログラミング言語です。 計算がとても速くグラフィックも充実しているため、数値計算に向いています。 文法的には、統計解析部分はS言語を参考にしており、データ処理部分はSchemeの影響を受けています。 世界中の専門家が開発に関わり、日々新しい手法やアルゴリズムが追加されています。