如何将neuralnet输出的分类矩阵转换为单列因子？

你可以通过以下步骤将3列的预测矩阵转换为与原数据class列格式一致的单列因子：

• 提取类别编号
  利用max.col()函数获取每行中值为1的列的索引（你的矩阵每行仅有一个1，对应类别1/2/3），这个索引就是对应的类别编号：

  # 获取每行对应的类别编号
  pred_class_num <- max.col(pred.wine.nn.5.5)
  

• 转换为匹配格式的因子
  将得到的类别编号转换为因子，并指定其水平与原数据框的class列完全一致，确保格式匹配：

  # 转换为因子，对齐原class列的水平
  pred_class_factor <- factor(pred_class_num, levels = levels(wine.test$class))
  

补充说明 #

• 如果原class列的水平顺序不是默认的1、2、3（比如是字符型或自定义顺序），levels = levels(wine.test$class)会保证新因子的水平顺序、类型完全和原列一致。
• 也可以用apply(pred.wine.nn.5.5, 1, which.max)替代max.col()，但max.col()在处理大矩阵时效率更高。

内容的提问来源于stack exchange，提问作者Tuan Jason