R语言中最强的神经网络包RSNNS
来源:互联网 发布:理财产品网络推广方案 编辑:程序博客网 时间:2024/05/01 19:03
转载自:http://www.dataguru.cn/article-1470-1.html
R语言中已经有许多用于神经网络的package。例如nnet、AMORE以及neuralnet,nnet提供了最常见的前馈反向传播神经网络算法。AMORE包则更进一步提供了更为丰富的控制参数,并可以增加多个隐藏层。neuralnet包的改进在于提供了弹性反向传播算法和更多的激活函数形式。但以上各包均围绕着BP网络,并未涉及到神经网络中的其它拓扑结构和网络模型。而新出炉的RSNNS包则在这方面有了极大的扩充。
Stuttgart Neural Network Simulator(SNNS)是德国斯图加特大学开发的优秀神经网络仿真软件,为国外的神经网络研究者所广泛采用。其手册内容极为丰富,同时支持友好的 Linux 平台。而RSNNS则是连接R和SNNS的工具,在R中即可直接调用SNNS的函数命令。
#载入程序和数据
library(RSNNS)#将数据顺序打乱
data(iris)
iris = iris[sample(1:nrow(iris),length(1:nrow(iris))),1:ncol(iris)]#定义网络输入
irisValues= iris[,1:4]#定义网络输出,并将数据进行格式转换
irisTargets = decodeClassLabels(iris[,5])#从中划分出训练样本和检验样本
iris = splitForTrainingAndTest(irisValues, irisTargets, ratio=0.15)#数据标准化
iris = normTrainingAndTestSet(iris)#利用mlp命令执行前馈反向传播神经网络算法
model = mlp(iris$inputsTrain, iris$targetsTrain, size=5, learnFunc="Quickprop", learnFuncParams=c(0.1, 2.0, 0.0001, 0.1),maxit=100, inputsTest=iris$inputsTest, targetsTest=iris$targetsTest)#利用上面建立的模型进行预测
predictions = predict(model,iris$inputsTest)#生成混淆矩阵,观察预测精度
confusionMatrix(iris$targetsTest,predictions)结果如下:
predictions
targets 1 2 3
1 7 0 0
2 0 5 0
3 0 1 10
本例中mlp意指多层感知器,RSNNS包中其它重要的网络形式还包括: dlvq(动态学习向量化网络), rbf(径向基函数网络), elman(elman神经网络), jordan(jordan神经网络), som(自组织映射神经网络), art1(适应性共振神经网络)等等
参考资料:
http://www.ra.cs.uni-tuebingen.de/SNNS/
http://cran.csdb.cn/web/packages/RSNNS/RSNNS.pdf
0 0
- R语言中最强的神经网络包RSNNS
- R语言中最强的神经网络包RSNNS
- R语言进行神经网络算法——RSNNS
- R语言RSNNS
- RSNNS神经网络
- R的神经网络包
- R语言利用neuralnet包训练神经网络
- R语言中有关包的操作
- R语言中包的操作
- 基于R语言的神经网络
- R语言中帮助和R包
- R语言利用nnet包训练神经网络模型
- R语言中包的安装一些问题的解决
- 在最新版的R语言中安装Rwordseg包
- 02R语言的包
- R语言实现神经网络
- R语言:神经网络
- R语言神经网络
- enum的好处与 define 的区别
- UVA340 - Master-Mind Hints
- Linux中VMware虚拟机增加磁盘空间的扩容操作
- mysql远程访问授权,创建用户并授权
- Android开源项目汇总
- R语言中最强的神经网络包RSNNS
- 设计模式-观察者模式
- 10个你能参与并学习的Java开源github项目
- 大数据十大经典算法之EM算法
- 通过FPGA驱动OV5640调试记录
- 传统标签概括以及返回值详细说明
- 神奇6位数
- HTML DOM Event 对象
- Linux下使用rsync最快速删除大量文件的方法