基于r语言的机器学习（R语言机器学习）

基于r语言的机器学习（R语言机器学习）library(nnet)设置运行路径和读取输入数据设置运行路径###Set working directory for the training data setwd("C:/Users/dell/Desktop/BPnn/bp8") getwd()读取输入数据我们以一个分类任务为例，其中有11个因子：x1~x10，和label：y###Read the input file data <- read.csv("BP_8_TT2.csv") data # 数据命名 data@names <- c("x1" "x2" "x3" "x4" "x5" "x6" "x7" "x8" "x9" "x10&

BP神经网络（BPNN）的全称是：误差反向传播神经网络（Error back propagation training neural network）。它具有任意复杂的模式分类能力和优良的多维函数的映射能力。

BP神经网络的应用

BP神经网络是一种前馈型神经网络，理论上它可以拟合任意的非线性函数。所以适用于很多复杂的应用场景。比如：

• 分类：图像识别、文本分类、语言识别等
• 回归：市场价格预测等

标准的三层神经网络结构

安装和导入nnet包

• 安装：我们可以在Rstudio里面直接进行nnet 的安装

第一步：点击第一栏上的Tools，然后在弹出的选项中点击Install Packages

1

第二步：在Packages那一栏内输入包的名字：nnet（注意大小写），在弹出的选项中选中nnet，然后点击下面的Install就好了

2

第三步：导入nnet包

library(nnet)设置运行路径和读取输入数据

• 设置运行路径

###Set working directory for the training data setwd("C:/Users/dell/Desktop/BPnn/bp8") getwd()

• 读取输入数据我们以一个分类任务为例，其中有11个因子：x1~x10，和label：y

###Read the input file data <- read.csv("BP_8_TT2.csv") data # 数据命名 data@names <- c("x1" "x2" "x3" "x4" "x5" "x6" "x7" "x8" "x9" "x10" "x11"，"y") data$y <- as.factor(data$y) # 查看数据 head(data) str(data) data 训练数据处理和构建模型

• 用sample函数来划分训练、测试数据集
• sample() 函数是用于随机采样的函数，用法如下：

函数模型: sample(x size replace = FALSE prob = NULL)

x ：参数为一个向量，其中包含一个以上的元素；也可以为一个整数，如果为整数（N），采样范围为 1：N，包括N本身

size：即采样次数

replace ：表示是否重复采样，默认为 FALSE，如果为 TRUE，则表示为放回采样

prob： 参数可以设置 x 中每个元素被 sample 的概率

#设置随机种子 set.seed(1234) #将数据按照7:3的比例随机划分为训练集和测试集 ind<-sample(2 nrow(data) replace=TRUE prob=c(0.7 0.3)) traindata<-data[ind==1 ] testdata<-data[ind==2 ]

• 构建 BPNN并训练

##Train the bpnn based on output from input SYbp=nnet(y~x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 data=data[ind==1 ] size =10 rang=0.5 decay=12e-2 maxit=2000) SYbp print(SYbp) plotnet(SYbp) #输出网络结构图 garson(SYbp) # 输出因子重要性图

因子重要性图

预测

• 在训练完了模型之后使用predict函数进行预测来得到分为各类的概率

## 预测 net.tr_results <- predict(SYbp data[ind==1 ]) ls(net.tr_results) print(net.tr_results) data2=data.frame(traindata$LSI net.tr_results) data2 colnames(data2)<-c("y" "pro")

• 最后可以用write.csv函数输出我们得到的概率write.csv(results "all_pro.csv")

---

这就是一个简单的BP神经网络的R语言实现过程，从代码中可以看出，使用R编程相比于其他语言要简单很多，上手也更快。