R語言-神經網絡包RSNNS

斯圖加特神經網絡模擬器（Stuttgart Neural Network Simulator）

人工神經網絡（Artificial Neural Networks，簡寫為ANNs）是一種模仿動物神經網絡行為特征，進行分布式並行信息處理的算法數學模型。這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的。 —— 百度百科

Stuttgart Neural Network Simulator（SNNS）是德國斯圖加特大學開發的優秀神經網絡仿真軟件，為國外的神經網絡研究者所廣泛采用。本文旨在通過使用R語言RSNNS包中mlp函數（多層感知器）對蘑菇數據建立預測模型，演示斯圖加特神經網絡模擬器的強大功能。RSNNS包中其它重要的網絡形式還包括：dlvq（動態學習向量化網絡）、rbf（徑向基函數網絡）、elman（elman神經網絡）、 jordan（jordan神經網絡）、som（自組織映射神經網絡）、art1（適應性共振神經網絡）等等。

R語言實現

#載入程序和數據 
library("RSNNS") 

## Warning: package 'RSNNS' was built under R version 3.2.3

## Loading required package: Rcpp

library("reshape")

## Warning: package 'reshape' was built under R version 3.2.3

mashroom = read.csv(file.choose())
#定義網絡輸入 
mashroomValues= mashroom[,-1]
#定義網絡輸出，並將數據進行格式轉換 
mashroomTargets = decodeClassLabels(mashroom[,1])
#從中划分出訓練樣本和檢驗樣本 
mashroom = splitForTrainingAndTest(mashroomValues, mashroomTargets, ratio=0.15)
#數據標准化 
mashroom = normTrainingAndTestSet(mashroom)
利用mlp命令執行前饋反向傳播神經網絡算法
model = mlp(mashroom\(inputsTrain, mashroom\)targetsTrain, size=10, inputsTest=mashroom\(inputsTest, targetsTest=mashroom\)targetsTest,linOut=T)
plotIterativeError(model) 

par(mar=numeric(4),family='serif')
plot.nnet(model)

## Loading required package: scales

## Warning in plot.nnet(model): Bias layer not applicable for rsnns object

#利用上面建立的模型進行預測 
predictions = predict(model,mashroom$inputsTest)
生成混淆矩陣，觀察預測精度
confusionMatrix(mashroom$targetsTest,predictions)

##        predictions
## targets   1   2
##       1 473  16
##       2   0 730

可見，人工神經網絡算法在蘑菇數據分類預測上具有較高的精度。

反饋與建議

• 作者：ShangFR
• 郵箱：[e-mail]