共計 674 個字符，預(yù)計需要花費 2 分鐘才能閱讀完成。

本篇文章為大家展示了 R 語言高級算法中的人工神經(jīng)網(wǎng)絡(luò)是怎樣的，內(nèi)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

1. 人工神經(jīng)網(wǎng)絡(luò)原理分析:
神經(jīng)網(wǎng)絡(luò)是一種運算模型, 由大量的節(jié)點 (或稱神經(jīng)元) 和之間的相互連接構(gòu)成, 每個節(jié)點代表一種特定的輸出函數(shù), 稱為激勵函數(shù)(activation function). 每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權(quán)值, 稱之為權(quán)重, 這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶. 網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)連接方式 / 權(quán)重值和激勵函數(shù)不同而不同.
2. 在 R 語言中的應(yīng)用
在人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）算法中我們主要用到了 nnet 包里面的

nnet(formula,data,weights,size,...,subset,na.action,contrasts=NULL)

函數(shù)。
3. 以 iris 數(shù)據(jù)集為例進行判別分析
1)應(yīng)用模型并觀察輸出結(jié)果

fit_nnet=nnet(Species~.,data=iris,size=4,decay=5e-4,maxit=200)

fit_nnet[1:length(fit_nnet)]

3)檢測模型準(zhǔn)確度

predict(fit_nnet,iris[,1:4],type= class )

table(iris$Species,predict(fit_nnet,iris[,1:4],type= class ))

上述內(nèi)容就是 R 語言高級算法中的人工神經(jīng)網(wǎng)絡(luò)是怎樣的，你們學(xué)到知識或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識儲備，歡迎關(guān)注丸趣 TV 行業(yè)資訊頻道。