r语言结构方程模型可视化_R语言实现拟合神经网络预测和结果可视化

原文链接：http://tecdat.cn/?p=6691

神经网络一直是迷人的机器学习模型之一，不仅因为花哨的反向传播算法，而且还因为它们的复杂性(考虑到许多隐藏层的深度学习)和受大脑启发的结构。

神经网络并不总是流行，部分原因是它们在某些情况下仍然存在计算成本高昂，部分原因是与支持向量机(SVM)等简单方法相比，它们似乎没有产生更好的结果。然而，神经网络再一次引起了人们的注意并变得流行起来。

 在这篇文章中，我们将拟合神经网络，并将线性模型作为比较。

数据集

波士顿数据集是波士顿郊区房屋价值数据的集合。我们的目标是使用所有其他可用的连续变量来预测自住房屋(medv)的中值。

首先，我们需要检查是否缺少数据点，否则我们需要修复数据集。

apply(data，2，function(x)sum(is.na(x)))

然后我们拟合线性回归模型并在测试集上进行测试。

index < -  sample(1：nrow(data)，round(0.75 * nrow(data)))   MSE.lm < -  sum((pr.lm  -  test $ medv)^ 2)/ nrow(test)

 -  sample(1：nrow(data)，round(0.75 * nrow(data)))\n   MSE.lm > -  sum((pr.lm  -  test $ medv)^ 2)/ nrow(test)\n","classes":{"has":1}}"   >

该sample(x,size)函数简单地从向量输出指定大小的随机选择样本的向量x。

准备适应神经网络

在拟合神经网络之前，需要做一些准备工作。神经网络不容易训练和调整。

作为第一步࿰