R 神经网络包 - net.result 显示什么？

使用以下代码，我构建了一个神经网络模型来预测收盘价：

library(neuralnet)
myformula <- close ~ High+Low+Open 
nn_close <- neuralnet(myformula,data=train_,hidden=c(5,3),linear.output=T)
nn_close$net.result[[1]]

有人可以向我解释一下是什么吗nn_close$net.result[[1]]行吗？我已经检查过CRAN 文档 https://cran.r-project.org/web/packages/neuralnet/neuralnet.pdf但这对我来说仍然不清楚。

结果来自compute()$net.result仅包含一个级别，这给出了每个样本是给定物种的概率（在本例中）。换句话说，行的总和（大致）等于 1。在下面的示例中，我使用此信息来预测数据验证子集中的物种，并使用以下方法将它们与其真实值进行比较：table:

# install.packages("neuralnet")
library(neuralnet)

# adapted iris
data(iris)
iris2 <- iris
iris2$setosa <- c(iris2$Species == 'setosa')
iris2$versicolor <- c(iris2$Species == 'versicolor')
iris2$virginica <- c(iris2$Species == 'virginica')
# iris2$Species <- NULL

# training and validation subsets
train.samples <- sample(nrow(iris), nrow(iris)*0.5)
train <- iris2[train.samples,]
valid <- iris2[-train.samples,]

# fit model
inet <- neuralnet(setosa + versicolor + virginica ~ Sepal.Length + Sepal.Width + 
  Petal.Length + Petal.Width, train, hidden=3, lifesign="full")

# prediction 
pred <- compute(inet, valid[,1:4])
head(pred$net.result) # only one level (probability of each category)
predspp <- factor(c("setosa" , "versicolor", "virginica"))[apply(pred$net.result, MARGIN=1, FUN=which.max)]
table(predspp, valid$Species)
# predspp      setosa versicolor virginica
#   setosa         19          0         0
#   versicolor      0         24         4
#   virginica       0          2        26

就我而言，所有 setosa 样本都被正确预测。对于 versicolor 和 virginica 分别有 2 个和 4 个错误预测。一般来说，92% 的验证样本 (69/75 * 100) 的预测是正确的。