神经网络做“时间管理大师的预测模型”

研究背景：随着时代的发展，时间管理大师越来越多，离婚率也越来越高，如何准确识别时间管理大师有助于降低离婚率。

研究目的：利用神经网络来建立时间管理大师的预测模型

首先介绍一下今天使用的数据集 Affairs数据集，是R的AER包里面的数据集，其中包含的变量是Affairs（出轨次数），gender（性别）， age（年龄）， yearsmarried（结婚年数） children （是否有娃），religiousness （信仰），education（教育程度），rating（对自己婚姻的评价）​

##加载数据集

library(AER)

library(ggplot2)

data("Affairs")

head(Affairs)

##做一点数据预处理，把文本表示变量和结局变量变成二分类变量

Affairs$gender <- ifelse(Affairs$gender=="female",2,1)

Affairs$children <- ifelse(Affairs$children=="no",0,1)

Affairs$ynaffair[Affairs$affairs>3]<-1

Affairs$ynaffair[Affairs$affairs<=3]<-0

table(Affairs$ynaffair)

##
## 0 1
## 521 80

#出轨3次以上的为“时间管理大师”，否则为“非时间管理大师”

#一共有80个“时间管理大师”和521个“非时间管理大师”

#看一下数据一共有多少行，建立训练集和验证集

nrow(Affairs)

## [1] 601

# 建立训练集和验证集
set.seed(123)
train_sample <- sample(601,200)
Affairs_train <- Affairs[train_sample,]
Affairs_test <- Affairs[-train_sample,]

开始建模

library(neuralnet)
# simple ANN with only a single hidden neuron单个隐藏层
RNGversion("3.5.2")# use an older random number generator to match the book

set.seed(12345) # to guarantee repeatable results
Affairs_trainmodel <- neuralnet(formula =ynaffair~ gender + age +
yearsmarried+ children + religiousness +
education+ occupation + rating,
data = Affairs_train)

#绘图

plot(Affairs_trainmodel)

单个隐藏层还是挺好解读的

模型的验证和具体的参数解读我们留到下期，谢谢大家的支持~