Как рассчитать точность RBM для больших наборов данных, отличных от MNIST, и что такое простое кодирование в R Studio?

Я пытаюсь запустить свое кодирование в R studio, но это не дает точного результата. Можете ли вы помочь мне с примером кодирования для прогнозирования точности в большом наборе данных в R Studio с использованием метода RBM? Мой ожидаемый результат: 1 Однако в приведенном ниже коде есть некоторые ошибки в прогнозировании точности моего набора данных с использованием метода RBM.

install.packages("devtools")
# Load devtools library(devtools)
# install RBM install_github("TimoMatzen/RBM")
# load RBM library(RBM)

Wednesdaydataset <- read.csv('C:\\Users\\FSKKP\\Desktop\\R iqa\\dataset20181220T065754Z-001\\dataset\\Wednesday-workingHours.pcap_ISCX.csv') 
Wednesdaydataset
class(Wednesdaydataset) 
str(Wednesdaydataset) 
Wednesdaydataset <-as.matrix(Wednesdaydataset) 
Wednesdaydataset <-cbind(Wednesdaydataset) 
class(Wednesdaydataset)
str(Wednesdaydataset)
view(Wednesdaydataset) 
set.seed(1234)
ind<-sample(2,nrow(Wednesdaydataset),replace = TRUE,prob=c(0.7,0.30))
train.data<-Wednesdaydataset [ind==1,] 
test.data<-Wednesdaydataset [ind==2,]

# First get the train data from train.data 
train <- train.data$Active.Min
# Then fit the model
 modelRBM <- RBM(x = train, n.iter = 1000, n.hidden = 100, size.minibatch = 10)

# First get the train labels of test.data 
test <- test.data$Active.Min
# This time we add the labels as the y argument
modelClassRBM <- RBM(x = train, y = test, n.iter = 1000, n.hidden = 100, size.minibatch = 10)

# First get the test labels of test.data 
test <- test.data$Active.Min
# Give our ClassRBM model as input
PredictRBM(test = test, labels = test, model = modelClassRBM)