R语言深度学习mxnet做分类
来源:互联网 发布:计算机二级考试 知乎 编辑:程序博客网 时间:2024/03/29 23:02
首先安装mxnet的包:
cran <- getOption("repos")
cran["dmlc"] <- "https://s3-us-west-2.amazonaws.com/apache-mxnet/R/CRAN/"
options(repos = cran)
install.packages("mxnet")
完成之后我的R提示我要我重新下载"mlbench"包,我也不知道为啥,反正重新下载就重新下载把
install.packages("mlbench")
然后载入包
require(mlbench)
require(mxnet)
数据使用情况如下:
data(Sonar, package="mlbench")
Sonar[,61] = as.numeric(Sonar[,61])-1
train.ind = c(1:50, 100:150)
train.x = data.matrix(Sonar[train.ind, 1:60]) #训练集x
train.y = Sonar[train.ind, 61] #训练集y
test.x = data.matrix(Sonar[-train.ind, 1:60]) #测试集x
test.y = Sonar[-train.ind, 61] #测试集y
mx.set.seed(0)#设置随机种子(初始参数值)
## 输出激活函数类型(softmax映射为[0,1)的数值,表示概率,和为1)
model <- mx.mlp(train.x, train.y, hidden_node=10, out_node=2,out_activation="softmax", num.round=20, array.batch.size=15,
## 隐含层节点数 输出节点数 训练次数
learning.rate=0.07, momentum=0.9, eval.metric=mx.metric.accuracy)
#学习效率(参数优化的步长)
#剩下的参数暂时没搞懂是干啥的,有懂得可以在评论区指教
preds = predict(model, test.x)#用训练的模型预测测试集y
pred.label = max.col(t(preds))-1 ##max.col为输出最大值的位置
table(pred.label, test.y)
结果如下:
test.y
pred.label 0 1
0 26 15
1 34 32
预测正确的数量是26+32,整体来说我感觉很差,仅仅过了百分之50多一点,不知道是数据集数量的问题还是规模的问题,另外还发现一个问题,如果我设置不同的随机种子,对于结果是有一定的影响的。
- R语言深度学习mxnet做分类
- R语言mxnet做深度学习回归预测
- MxNet+R︱用R语言实现深度学习
- R语言h2o深度学习分类
- MxNet+R︱用R语言实现深度学习(单CPU/API接口,一)
- mxnet:结合R与GPU加速深度学习
- 深度学习-使用mxnet做线性回归问题
- mxnet深度学习(NDArray)
- mxnet深度学习(Symbol)
- mxnet深度学习(KVS)
- R语言和深度学习
- R语言安装mxnet问题
- 碎片︱R语言与深度学习
- R语言h2o深度学习回归预测
- MXNet | 在R语言中使用
- R语言神经网络keras,tensorflow,mxnet
- R语言做文本挖掘 Part4文本分类
- R语言做文本挖掘 Part4文本分类
- spring过滤值为null的JSON字段
- Android仿微信添加照片并且随意限制照片数量并显示缩略图界面
- Problem
- ajax跨域(No 'Access-Control-Allow-Origin' header is present on the requested resource)
- 虚拟机的使用
- R语言深度学习mxnet做分类
- IOS input输入会白屏
- C++ IO库
- 记录下自己接百度导航的问题
- 安装wxpython for Python3.5
- 原码, 反码, 补码 详解
- AVL树
- R: Working with named objects in a loop
- LeetCode(38) Count and Say