R语言高级算法中的人工神经网络是怎样的

本篇文章为大家展示了 R语言高级算法中的人工神经网络是怎样的，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

1.人工神经网络原理分析:
神经网络是一种运算模型,由大量的节点(或称神经元)和之间的相互连接构成,每个节点代表一种特定的输出函数,称为激励函数(activation function).每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆.网络的输出则依网络连接方式/权重值和激励函数不同而不同.
2.在R语言中的应用
在人工神经网络（Artificial Neural Network）算法中我们主要用到了nnet包里面的

nnet(formula,data,weights,size,...,subset,na.action,contrasts=NULL)

函数。
3.以iris数据集为例进行判别分析
1)应用模型并观察输出结果

fit_nnet=nnet(Species~.,data=iris,size=4,decay=5e-4,maxit=200)

fit_nnet[1:length(fit_nnet)]

3)检测模型准确度

predict(fit_nnet,iris[,1:4],type="class")

table(iris$Species,predict(fit_nnet,iris[,1:4],type="class"))

上述内容就是 R语言高级算法中的人工神经网络是怎样的，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注行业资讯频道。