8.2 机器学习—神经网络

神经网络：

激活函数：将神经元的净输入信号转换成单一的输出信号，以便进一 步在网络中传播。

网络拓扑：描述了模型中神经元的数量以及层数和它们连接的方式。

训练算法：指定如何设置连接权重，以便抑制或增加神经元在输入信 号中的比重。

concrete.R：判断强度是否合格

---

concrete <- read.csv("concrete.csv")

str(concrete)

#缩放/归一化，定义函数

normalize <- function(x){

  return ((x - min(x)) / (max(x) - min(x)))

}

concrete_norm <- as.data.frame(lapply(concrete, normalize))

summary(concrete_norm$strength)

summary(concrete$strength)

#取1-773行，所有列的数据，训练集

concrete_train <- concrete_norm[1:773,]

#测试集

concrete_test <- concrete_norm[774:1030,]

#neuralnet代表神经网络算法

concrete_model <- neuralnet (strength ~ cement + slag + ash + water + superplastic + coarseagg + fineagg + age, data=concrete_train)

#显示图像

plot(concrete_model)

#取到1-8列

concrete_test[1:8]

#模型和测试数据进行对比

model_results <- compute(concrete_model, concrete_test[1:8])

predicted_strength <- model_results$net.result

#计算相关系数

cor(predicted_strength, concrete_test$strength)

#hidden=5代表隐藏层5个节点

concrete_model2 <- neuralnet(strength ~ cement + slag + ash + water + superplastic + coarseagg + fineagg + age, data=concrete_train, hidden=5)

plot(concrete_model2)

model_results2 <- compute(concrete_model2, concrete_test[1:8])

predicted_strength2 <- model_results2$net.result

cor(predicted_strength2, concrete_test$strength)