利用R实现简单的BP神经网络

BP神经网络学习

参考此篇视频数据挖掘：理论与算法

---

利用R来进行模拟参考以下这两篇文章使用R学习一个简单的神经网络和使用neuralant包拟合一个神经网络

1.设置R的工作空间；读取原始数据

> setwd("C:/Users/ywb/Desktop/BP神经网络/")
> concrete<-read.csv("Concrete_Data.csv",header =  T,fileEncoding = "UTF-8",sep=",")

1.1先用线性模型进行拟合，并用测试数据集进行测试

> index<-sample(1:nrow(concrete),round(0.75*nrow(concrete)))
> train<-concrete[index,]
> test<-concrete[-index,]
> lm.fit<-glm(strength~.,data=train)
> summary(lm.fit)

结果如下所示：

使用测试数据集测试如下：

> pr.lm<-predict(lm.fit,test)
> MSE.LM<-sum((pr.lm-test$strength)^2)/nrow(test)
> print(MSE.LM)
[1] 126.2464

使用均值方差MSE.LM来测试模型的拟合度。

2.将数据标准化（归一化处理）
在进行归一化处理之前，首先要确定数据是否有缺失值

> apply(concrete,2,function(x) sum(is.na(x)))

其中，”2”表示对列进行检验。如果数据没有缺失值，则每个属性下的值都为0，如下图所示：