26、黑盒方法：神经网络与支持向量机

黑盒方法：神经网络与支持向量机

1. 神经网络模型训练

为了模拟混凝土成分与成品强度之间的关系，我们将使用多层前馈神经网络。 neuralnet 包由 Stefan Fritsch 和 Frauke Guenther 开发，它提供了这种网络的标准且易于使用的实现，还能绘制网络拓扑图，是学习神经网络的不错选择，同时也可用于实际工作。

由于 neuralnet 不在基础 R 中，需要先安装和加载：

install.packages("neuralnet")
library(neuralnet)

在 R 中，还有其他常用的包来训练简单的人工神经网络（ANN）模型，各有优缺点：
| 包名 | 优点 | 缺点 |
| ---- | ---- | ---- |
| nnet | 作为标准 R 安装的一部分，使用比标准反向传播更复杂的算法 | 无明显缺点 |
| RSNNS | 提供完整的神经网络功能套件 | 更难学习 |

我们先使用默认设置训练一个只有单个隐藏节点的最简单的多层前馈网络。为确保结果可重复，使用 set.seed() 函数：

set.seed(12345)
concrete_model <- neuralnet(strength ~ cement + slag +
  ash + water + super