共计 674 个字符，预计需要花费 2 分钟才能阅读完成。
本篇文章为大家展示了 R 语言高级算法中的人工神经网络是怎样的，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
1. 人工神经网络原理分析:
神经网络是一种运算模型, 由大量的节点 (或称神经元) 和之间的相互连接构成, 每个节点代表一种特定的输出函数, 称为激励函数(activation function). 每两个节点间的连接都代表一个对于通过该连接信号的加权值, 称之为权重, 这相当于人工神经网络的记忆. 网络的输出则依网络连接方式 / 权重值和激励函数不同而不同.
2. 在 R 语言中的应用
在人工神经网络（Artificial Neural Network）算法中我们主要用到了 nnet 包里面的
nnet(formula,data,weights,size,...,subset,na.action,contrasts=NULL)函数。
3. 以 iris 数据集为例进行判别分析
1)应用模型并观察输出结果
fit_nnet=nnet(Species~.,data=iris,size=4,decay=5e-4,maxit=200)fit_nnet[1:length(fit_nnet)]3)检测模型准确度
predict(fit_nnet,iris[,1:4],type= class )table(iris$Species,predict(fit_nnet,iris[,1:4],type= class ))
上述内容就是 R 语言高级算法中的人工神经网络是怎样的，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注丸趣 TV 行业资讯频道。
正文完
