bp神经网络 R语言 数据分析 统计处理 数据挖掘 自然语言 文本处理

1.演示使用的数据集为iris数据集

df<-iris
head(df)

2.载入RSNNS包

library(RSNNS)

3.对数据进行预处理，将目标变量Specie转换为one_hot矩阵形式
df<-cbind(df,decodeClassLabels(df$Species))
head(df)

4.对输入的X矩阵数据进行归一化（神经网络 对于数据的输入值的区间有要求的，一般使用标准正太分布归一化）
for(i in 1:4){
df[,i]<-scale(df[,i])}
head(df)

5.使用随机树种子123，对数据按7:3的比例化分为训练集和测试集。

set.seed(123)
sam<-sample(nrow(df),nrow(df)*0.7)
dftrain<-df[sam,]
dftest<-df[-sam,]

6.使用mlp函数建立bp神经网络模型
mobp<-mlp(as.matrix(dftrain[,1:4]),as.matrix(dftrain[,6:8]),size=4,
learnFunc="SCG",learnFuncParams=c(0,0,0,0),hiddenActFunc="Act_TanH")

7.对训练集进行预测
pretrain<-predict(mobp,as.matrix(dftrain[,1:4]))
head(pretrain)

pretrainclass<-colnames(dftrain[,6:8])[apply(pretrain,1,which.max)]
confumatrix<-table(dftrain$Species,pretrainclass)
confumatrix

sum(diag(confumatrix))/sum(confumatrix)
分类正确率为100%

 

8.对测试集进行预测
pretest<-predict(mobp,as.matrix(dftest[,1:4]))
head(pretest)

pretestclass<-colnames(dftrain[,6:8])[apply(pretest,1,which.max)]
confumatrix<-table(dftest$Species,pretestclass)
confumatrix

sum(diag(confumatrix))/sum(confumatrix)

分类正确率为97.78%。

可以看出，神经网线对于分类类型的任务可以做到很好预测性。

Q：994804370
闲：名曰夷希微
抖：linxy_R_project

感兴趣可以联系哦