一系列或一组算法试图通过模仿人脑操作的确定过程来识别数据集中的潜在关系,称为神经网络。因此,神经网络可以指人类的神经元,无论是人工的还是有机的。神经网络可以很容易地适应不断变化的输入,以通过网络实现或生成可能的最佳结果,并且不需要重新设计输出标准。
在 R 中实现多层神经网络
在R 语言中,安装神经网络包以研究神经网络的概念。神经网络包需要一个全数字矩阵或数据框。通过提及神经网络()函数的隐藏参数的值来控制隐藏层,该函数可以是许多隐藏层的向量。每次使用set.seed()函数生成随机数。
示例:
使用神经网络包来拟合线性模型。让我们看看在 R 中拟合多层神经网络的步骤。
第 1 步:第一步是选择数据集。在此示例中,让我们处理MASS包的波士顿数据集。该数据集通常处理波士顿边缘或郊区的住房价值。目标是通过使用所有其他可用的连续变量来找到其所有者占用的房屋的 medv 或中值。使用set.seed()函数生成随机数。
set.seed(500)
library(MASS)
data <- Boston