#载入程序和数据
library(RSNNS)
data(iris)
#将数据顺序打乱
iris <- iris[sample(1:nrow(iris),length(1:nrow(iris))),1:ncol(iris)]
#定义网络输入
irisValues <- iris[,1:4]
#定义网络输出,并将数据进行格式转换
irisTargets <- decodeClassLabels(iris[,5])
#从中划分出训练样本和检验样本
iris <- splitForTrainingAndTest(irisValues, irisTargets, ratio=0.15)
#数据标准化
iris <- normTrainingAndTestSet(iris)
#利用mlp命令执行前馈反向传播神经网络算法
model <- mlp(iris$inputsTrain, iris$targetsTrain, size=5, learnFunc="Quickprop", learnFuncParams=c(0.1, 2.0, 0.0001, 0.1),maxit=100, inputsTest=iris$inputsTest, targetsTest=iris$targetsTest)
#利用上面建立的模型进行预测
predictions <- predict(model,iris$inputsTest)
#生成混淆矩阵,观察预测精度
confusionMatrix(iris$targetsTest,predictions)
#结果如下:
#predictions
#targets 1 2 3
# 1 8 0 0
# 2 0 4 0
# 3 0 1 10
R语言对数学建模有帮助。特别是R专统计方面。
数学建模就是通过计算得到的结果来解释实际问题,并接受实际的检验,来建立数学模型的全过程。当需要从定量的角度分析和研究一个实际问题时,人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上,用数学的符号和语言作表述来建立数学模型。
可以。建立空间误差模型和空间滞后模型最好是用R语言做,当然用 Geoda 或 Eviews 等软件做也可以,首先看清题目要求: 矩阵C是由矩阵A的前3行和前3列构成的矩阵。 分析目的,矩阵A的前3行和前3列到底是多少。 第一步:我们先看矩阵A的数据,箭头所指的就是前3行和前3列的数据。 现在我们已经知道我们所需要的数据是什么。看题目我们可以把第4行和第4、5列去掉,剩下的数据就是我们需要的了。第二步:就要用到矩阵的其他的函数---矩阵下标。要去掉矩阵中相应的行和(或)列,用负整数我们先把第4行和第5列去掉。