BP網(wǎng)絡(luò)#
library(ggplot2)
library(lattice)
library(kernlab)
library(caret)
train <- createDataPartition(y=iris$Species, p=0.75, list=FALSE)
training <- iris[train,]
testing <- iris[-train,]
library(nnet)
iris.nnet <-nnet(Species ~ ., linout = F, size = 10, decay = 0.01, maxit = 1000, trace = F, data = training)
table(predict(iris.nnet, testing, type='class'), testing$Species)
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。
