10、神经网络与深度学习实战及聚类分析入门

神经网络与深度学习实战及聚类分析入门

神经网络建模与评估

在开始构建神经网络之前，我们需要创建训练集和测试集，并确保响应变量在两者之间保持平衡。 trainIndex 中的值为我们提供了行号，在这个例子中，它包含了 shuttle.2 数据集 70% 的行号。以下是创建训练集和测试集的代码：

shuttleTrain = shuttle.2[ trainIndex,]
shuttleTest  = shuttle.2[-trainIndex,]

查看训练集和测试集的响应变量分布：

table(shuttleTrain$use)
#  0  1 
# 81 99 
table(shuttleTest$use)
#  0  1 
# 30 46

接下来，我们使用 neuralnet 包来构建神经网络。由于 neuralnet 不支持 y~. 这种指定所有其他变量作为输入的方式，我们使用 as.formula() 函数来解决这个问题：

n = names(shuttleTrain)
form <- as.formula(paste("use ~", paste(n[!n %in% "use"], collapse = " + ")))