R语言进行神经网络算法——RSNNS

最新推荐文章于 2025-05-30 08:02:22 发布

翟夕凝

最新推荐文章于 2025-05-30 08:02:22 发布

阅读量2.7w

点赞数 7

CC 4.0 BY-SA版权

分类专栏： R 文章标签：神经网络 r语言 RSNNS

本文链接：https://blog.youkuaiyun.com/dnpopangel/article/details/54985991

本文档介绍了如何利用R语言的RSNNS包进行神经网络学习，包括官方文档资源、安装加载步骤，以及通过iris数据集的DEMO详细解读。通过decodeClassLabels函数进行数据转换，splitForTrainingAndTest拆分训练测试集，normTrainingAndTestSet进行数据标准化，并使用mlp创建和训练多层感知器模型。最终展示了模型的结构信息和预测结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 官方资料

很重要，写得也很清楚，其实下文就是文档的学习笔记
https://cran.r-project.org/web/packages/RSNNS/RSNNS.pdf

2. 安装及加载

install.packages(rsnns)
install.packages(rcpp)
library(Rcpp)
library(RSNNS)

3. Demo(iris)解读及学习

文档里表示，一些高度集成的接口（high-level api）已经很强大了，用这些接口可以基本实现大部分的应用啦。我们提供了: mlp, dlvq, rbf, rbfDDA, elman, jordan, som, art1, art2, artmap, or
assoz这么多网络形式供你们选择使用呢。
学习rsnns的快速方法可以通过查看原生的demo开始，通过调用函数demo()可以查看包里的函数。demo(iris)是以iris数据做的一个示例，来对这个示例进行一下解读。

set.seed(2)
data(iris)

#shuffle the vector 打乱原始数据，并拆分成评价集和结果集
df <- iris[sample(nrow(iris)),]
dfValues <- df[,1:4]
dfTargets <- decodeClassLabels(df[,5])
#dfTargets <- decodeClassLabels(df[,5], valTrue=0.9, valFalse=0.1)

decodeClassLabels这个函数会将结果集变成一个二元矩阵，就是 c(a, b, c, b) 这样一个输入，会变成这样一个矩阵

row.num	a	b	c
1	1	0	0
2	0	1	0
3	0	0	1
4	0	1	0

df <- splitForTrainingAndTest(dfValues, dfTargets, ratio=0.15)

splitForTrainingAndTest将按比例拆成训练集和测试集，返回list，含四个元素分别就是训练的评价集（inputsTrain）、训练的结果集（targetTrain）、测试的评价集（inputsTest）和测试的结果集（targetTest）

#normalize data
df <- normTrainingAndTestSet(df)

normTrainingAndTestSet，标准化数据，把数据化到[0,1]之间

model <- mlp(df$inputsTrain,

最低0.47元/天解锁文章

200万优质内容无限畅学