R语言数学建模（3）Back propagation neural network

R语言中B-P神经网络的函数主要集中在neuralnet 和nnet两个包中

一neuralnet包中的neuralnet函数

neuralnet(输出变量~输入变量，data=,hidden,threshold=0.01,stepmax=100000,err.fac=误差函数名,linear.output=T,learningrate=学习率,algorihm=算法名)

解释：

hidden 用于确定隐节点数，默认为1，表示一个隐层包含一个隐节点，

              hidden = c(3,2,1)，表示三个隐层，每个隐层分别含有3,2,1个隐节点

threshold 迭代终止条件。当权重最大调整小于指定值（默认0.01）时迭代终止

stepmax 迭代终止条件。当迭代次数达到指定次数（默认100000次）时迭代终止

err.fac   损失函数的形式，“ssc”误差平方 (regression)“ce”表示交互熵(classfication)

linear.output 激活函数是否线性，默认sigmoid

learningrate 指定学习率。当algorithm指定为“backpop”时需指定该参数为一常数

algorithm  指定算法。     “backpop”传统的b-p反向传播网络      “rprop+”或“rprop-”为弹性bp算法，                                            分别表示权重回溯或不回溯

结果显示：

response:各观测输出变量的实际值

net.result：各观测输出变量的预测值

weights:各节点的权重列表

result.matrix: 迭代终止时，各个节点权重，迭代次数，损失函数值，权重最大调整量

startweighs:   各个节点的初始权重，该函数以（-1，+1）的正态分布随机生成,要使每次结果相同

                     需设定随机数种子为一常数

二，ROC曲线确定二分类问题的概率分割值

R的ROCR包提供了计算和绘制ROC曲线的一系列函数prediction和performance

注：再使用prediction时候需避免冲突，因为neuralnet和ROCR包中均有函数prediction

model <- prediction(概率向量，对应的类别)

roc <- performance(model,measure="",x.measure="")

                     参数measure表示曲线的纵坐标，有“auc” “acc” “tpr” "fpr" "cutoff"等

plot(roc)

'