对于teengamb数据集进行神经网络分类

对于teengamb数据集进行神经网络分类

MLP神经网络介绍：

MLP(Multi-Layer Perceptron)，即多层感知器，是一种趋向结构的人工神经网络，映射一组输入向量到一组输出向量。
MLP可以被看做是一个有向图，由多个节点层组成，每一层全连接到下一层。除了输入节点，每个节点都是一个带有非线性激活函数的神经元(或称处理单元)。一种被称为反向传播算法的监督学习方法常被用来训练MLP。MLP是感知器的推广，克服了感知器无法实现对线性不可分数据识别的缺点。

在 faraway 包中，包含一个 47 行 5 列的 teengamb 数据集（加载 faraway包后，可通过代码“head(teengamb)”查看数据的前 5 行，通过“?teengamb”查看每个变量的具体意义），该数据是研究关于青少年赌博情况的数据集。针对该数据集，请回答以下问题：

数据集概况：

> head(teengamb)
  sex status income verbal gamble
1   1     51   2.00      8    0.0
2   1     28   2.50      8    0.0
3   1     37   2.00      6    0.0
4   1     28   7.00      4    7.3
5   1     65   2.00      8   19.6
6   1     61   3.47      6    0.1

程序如下:

library(neuralnet)
library(NeuralNetTools)
library(readr)
library(psych)
library(Metrics)
library(ggplot2)
library(caret)
library(Metrics)
library(dplyr)
library(corrplot)
library(faraway)
library(ggcorrplot)
library(tidyr)
library(GGally)
data(teengamb)
head(teengamb)
teengamb<-teengamb

sigmlp <- neuralnet(sex~.,data = teengamb,
                    hidden = c(10),linear.output = FALSE,
                    act.fct = "logistic",algorithm = "rprop+")

summary(sigmlp)
label<-predict(sigmlp,teengamb[,2:5],type = "response")
label <- as.factor(ifelse(label > 0.5,1,0))#将数据规范为0，1
table(teengamb$sex,label)
sprintf("MLP神经网络的精度为：%f",accuracy(teengamb$sex,label))

结果如下：

> summary(sigmlp)
                    Length Class      Mode    
call                  7    -none-     call    
response             47    -none-     numeric 
covariate           188    -none-     numeric 
model.list            2    -none-     list    
err.fct               1    -none-     function
act.fct               1    -none-     function
linear.output         1    -none-     logical 
data                  5    data.frame list    
exclude               0    -none-     NULL    
net.result            1    -none-     list    
weights               1    -none-     list    
generalized.weights   1    -none-     list    
startweights          1    -none-     list    
result.matrix        64    -none-     numeric 

> table(teengamb$sex,label)
   label
     0  1
  0 28  0
  1  2 17
> sprintf("MLP神经网络的精度为：%f",accuracy(teengamb$sex,label))
[1] "MLP神经网络的精度为：0.957447"

绘制网络结构图：

par(cex = 0.6)
plotnet(sigmlp,pos_col = "red", neg_col = "grey")

结果如下：