在R中如何将nnet模型的概率输出转换为类别预测？

完全可行，神经网络输出的概率矩阵正是推导类别预测的依据，nnet包本身支持直接输出类别，也可以手动转换，具体两种方法如下：

方法1：直接用predict函数输出类别 #

nnet的predict()函数支持type="class"参数，当你的响应变量（这里是Morphology）是因子类型时，指定该参数会直接返回预测的类别因子，和随机森林、逻辑回归的输出一致：

# 训练模型（确保Morphology是因子）
morph_scaled_train$Morphology <- factor(morph_scaled_train$Morphology)
nnet_model <- nnet(Morphology~. ,size=10,data=morph_scaled_train, maxit=1500)

# 直接生成类别预测
nnet_prediction_class <- predict(nnet_model, morph_test, type = "class")

方法2：手动从概率矩阵转换 #

如果已经得到概率矩阵，也可以通过每行最大概率对应的列名生成类别，再转为因子：

# 从概率矩阵获取类别
pred_classes <- colnames(nnet_prediction_prob)[apply(nnet_prediction_prob, 1, which.max)]
# 转换为因子（保持类别顺序和原概率矩阵一致）
pred_classes <- factor(pred_classes, levels = colnames(nnet_prediction_prob))

注意事项 #

• 确保训练数据中的Morphology是因子类型，这样nnet会识别为分类任务，type="class"参数才能正常工作。如果之前是字符型，先转成因子再训练模型。

内容的提问来源于stack exchange，提问作者MM1