如何在R中从neuralnet模型提取实际类别标签？

要将max.col得到的数字索引转换为对应的字符型Code标签，核心是利用neuralnet处理分类任务时的类别顺序规则——它会按照因变量（Code）的因子水平顺序生成概率矩阵的列，列名的数字对应因子水平的索引。

步骤1：获取原始Code的类别水平 #

首先从完整的Embeddings数据中提取Code的所有唯一类别，保持和模型输出列对应的顺序：

# 如果Code是字符型，先转为因子再取水平；如果已是因子，直接用levels(Embeddings$Code)
code_labels <- levels(as.factor(Embeddings$Code))

步骤2：将数字索引映射为字符标签 #

用max.col得到的索引值，从code_labels中取出对应的标签：

# 替换你原有的代码部分
predictionsmaxcol <- data.frame(
  MaxCol = max.col(predictions),
  Predicted_Code = code_labels[max.col(predictions)]
)

完整优化后的代码片段 #

替换你原代码中最后两行的内容：

Test <- as.matrix(Test %>% select(-Code))
predictions <- predict(nn, newdata = as.matrix(Test), type="class")

# 获取Code标签映射并生成结果
code_labels <- levels(as.factor(Embeddings$Code))
pred_indices <- max.col(predictions)
predictionsmaxcol <- data.frame(
  MaxCol = pred_indices,
  Predicted_Code = code_labels[pred_indices]
)

逻辑说明 #

neuralnet在处理分类任务时，会自动将字符型/因子型的因变量转换为二进制哑变量列，列的顺序严格对应因子水平的排序，列名用1、2...n表示，因此max.col得到的列号正好是code_labels的索引位置，直接索引即可得到对应的字符标签。

内容的提问来源于stack exchange，提问作者osckt