人工神经网络模型绘图

最新推荐文章于 2024-10-03 23:15:32 发布

蘑菇仙人

最新推荐文章于 2024-10-03 23:15:32 发布

阅读量127

点赞数

文章标签： r语言机器学习神经网络

原文链接：https://mp.weixin.qq.com/s/lNlYDKWfGA59ChkMLzxCDA

版权

https://mp.weixin.qq.com/s/lNlYDKWfGA59ChkMLzxCDA

R语言机器学习与临床预测模型66--人工神经网络(ANN)

原创 R小盐科研私家菜 2022-10-05 17:58 发表于北京

收录于合集

#机器学习332个

#神经网络11个

#临床预测模型289个

#预测模型320个

#R语言80个

“
R小盐准备介绍R语言机器学习与预测模型的学习笔记，快来收藏关注【科研私家菜】
”

『科研私家菜』为大家准备了关于『机器学习临床预测模型』的资料，请到文末获取领取方式 640?wx_fmt=png&wxfrom=13&tp=wxpic

01 人工神经网络(ANN)

人工神经网络(ANN)，简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。

人工神经网络从以下四个方面去模拟人的智能行为: 物理结构：人工神经元将模拟生物神经元的功能计算模拟：人脑的神经元有局部计算和存储的功能，通过连接构成一个系统。人工神经网络中也有大量有局部处理能力的神经元，也能够将信息进行大规模并行处理存储与操作：人脑和人工神经网络都是通过神经元的连接强度来实现记忆存储功能，同时为概括、类比、推广提供有力的支持训练：同人脑一样，人工神经网络将根据自己的结构特性，使用不同的训练、学习过程，自动从实践中获得相关知识神经网络是一种运算模型，由大量的节点(或称“神经元”，或“单元”)和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数。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的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

效果如下：

640?wx_fmt=png&tp=wxpic&wxfrom=5&wx_lazy=1&wx_co=1

‍

02 R语言实现

# Natural Language Processing
# # 
# install.packages('tm')
# install.packages('twitteR')
# install.packages('wordcloud')
# install.packages('RColorBrewer')
# install.packages('e1017')
# install.packages('curl')


# install.packages(c("devtools", "rjson", "bit64", "httr"))

library(twitteR)
library(tm)
library(wordcloud)
library(RColorBrewer)
#Connect to twitter 

##authentication
setup_twitter_oauth(ckey, skey,token,sectoken)
##returning tweets
soccer.tweets <- searchTwitter("Modi",n=1000,lang="en")
### Grabing Text from tweets
soccer.text <- sapply(soccer.tweets,function(x) x$getText())


#####cleam=n the data
soccer.text <- iconv(soccer.text, 'UTF-8', 'ASCII') # remove emoticons
soccer.corpus <- Corpus(VectorSource(soccer.text)) # create a corpus

# Create a Document Term Matrix
# We'll apply some transformations using the TermDocumentMatrix Function

term.doc.matrix <- TermDocumentMatrix(soccer.corpus,
      control = list(removePunctuation = TRUE,stopwords = c("Modi","http", stopwords("english")),
      removeNumbers = TRUE,tolower = TRUE))

# converting object into matrix
term.doc.matrix <- as.matrix(term.doc.matrix)

# getting word count
word.freqs <- sort(rowSums(term.doc.matrix), decreasing=TRUE) 
dm <- data.frame(word=names(word.freqs), freq=word.freqs)

# Creating wordcloud

wordcloud(dm$word, dm$freq, random.order=FALSE, colors=brewer.pal(8, "Dark2"))