R语言高级算法之人工神经网络(Artificial Neural Network)

1.人工神经网络原理分析:
神经网络是一种运算模型,由大量的节点(或称神经元)和之间的相互连接构成,每个节点代表一种特定的输出函数,称为激励函数(activation function).每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆.网络的输出则依网络连接方式/权重值和激励函数不同而不同.
2.在R语言中的应用
在人工神经网络(Artificial Neural Network)算法中我们主要用到了nnet包里面的

nnet(formula,data,weights,size,...,subset,na.action,contrasts=NULL)

函数。
3.以iris数据集为例进行判别分析
1)应用模型并观察输出结果

fit_nnet=nnet(Species~.,data=iris,size=4,decay=5e-4,maxit=200)

R语言高级算法之人工神经网络(Artificial Neural Network)

fit_nnet[1:length(fit_nnet)]

R语言高级算法之人工神经网络(Artificial Neural Network)
R语言高级算法之人工神经网络(Artificial Neural Network)
R语言高级算法之人工神经网络(Artificial Neural Network)
R语言高级算法之人工神经网络(Artificial Neural Network)
R语言高级算法之人工神经网络(Artificial Neural Network)
3)检测模型准确度

predict(fit_nnet,iris[,1:4],type="class")

R语言高级算法之人工神经网络(Artificial Neural Network)

table(iris$Species,predict(fit_nnet,iris[,1:4],type="class"))

R语言高级算法之人工神经网络(Artificial Neural Network)

  • 1
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
R语言提供了多种人工神经网络算法的实现,其中最常用的是神经网络neural network)和深度学习(deep learning)算法。下面是对R语言人工神经网络算法的简要介绍: 1. 神经网络neural network):神经网络是一种模拟人脑神经元之间相互连接的计算模型。在R语言中,可以使用`nnet`包来构建和训练神经网络模型。该包提供了多种神经网络类型和训练算法,可以用于分类和回归问题。 2. 深度学习(deep learning):深度学习是一种基于神经网络的机器学习方法,通过多层次的神经网络结构来学习数据的特征表示。在R语言中,可以使用`keras`包来构建和训练深度学习模型。`keras`包是一个高级神经网络API,支持多种深度学习框架,如TensorFlow和Theano。 3. 循环神经网络(recurrent neural network):循环神经网络是一种具有循环连接的神经网络结构,可以处理序列数据和时间序列数据。在R语言中,可以使用`rnn`包来构建和训练循环神经网络模型。该包提供了多种循环神经网络类型和训练算法,如长短期记忆网络(LSTM)和门控循环单元(GRU)。 4. 卷积神经网络(convolutional neural network):卷积神经网络是一种专门用于处理图像和视觉数据的神经网络结构。在R语言中,可以使用`tensorflow`包或`keras`包来构建和训练卷积神经网络模型。这些包提供了丰富的卷积神经网络层和训练算法,可以用于图像分类、目标检测等任务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值