阅读量:0
在R语言中，可以使用neuralnet包来实现神经网络模型。下面是一个简单的示例代码：
# 安装并加载 neuralnet 包 install.packages("neuralnet") library(neuralnet) # 创建一个数据集 data <- data.frame( x1 = runif(100), x2 = runif(100), y = ifelse(x1 + x2 > 1, 1, 0) ) # 创建神经网络模型 model <- neuralnet( y ~ x1 + x2, data = data, hidden = c(3), # 设置隐藏层神经元个数 linear.output = FALSE # 输出层是否使用线性激活函数 ) # 预测 new_data <- data.frame( x1 = runif(10), x2 = runif(10) ) predictions <- compute(model, new_data) print(predictions$net.result) 在上面的代码中，首先安装并加载neuralnet包，然后创建一个数据集。接着使用neuralnet函数创建神经网络模型，指定输入特征和输出标签，设置隐藏层神经元个数和输出层激活函数等参数。最后通过compute函数对新数据进行预测。
