python卷积神经网络回归预测_R语言实现CNN（卷积神经网络）模型进行回归数据分析...

原标题：R语言实现CNN(卷积神经网络)模型进行回归数据分析

原文链接：http://tecdat.cn/?p=18149

当我们将CNN(卷积神经网络)模型用于训练多维类型的数据(例如图像)时，它们非常有用。我们还可以实现CNN模型进行回归数据分析。我们之前使用Python进行CNN模型回归 ，在本文中，我们在R中实现相同的方法。

视频：R语言实现CNN(卷积神经网络)模型进行回归数据分析

我们使用一维卷积函数来应用CNN模型。我们需要Keras R接口才能在R中使用Keras神经网络API。如果开发环境中不可用，则需要先安装。本教程涵盖：

准备数据

定义和拟合模型

预测和可视化结果

源代码

我们从加载本教程所需的库开始。

library(keras)

library(caret)

准备

数据在本教程中，我们将波士顿住房数据集用作目标回归数据。首先，我们将加载数据集并将其分为训练和测试集。

set.seed(123)

boston = MASS::Boston

indexes = createDataPartition(boston$medv, p = .85, list = F)

train = boston[indexes,]

test = boston[-indexes,]

接下来，我们将训练数据和测试数据的x输入和y输出部分分开，并将它们转换为矩阵类型。您可能知道，“ medv”是波士顿住房数据集中的y数据输出，它是其中的最后一列。其余列是x输入数据。

检查维度。

di