#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
图有一个类' Igraph '。下面是一个示例，一个使用make_ring创建的环形图:
要创建具有给定结构的小图形，graph_from_literal函数可能是最简单的。它使用R的公式界面，它的手册页包含了许多示例。另一种选择是graph函数，它直接接受数值顶点id。graph.atlas从 Graph Atlas创建图，make_graph 函数可以创建一些特殊的图。
igraph中有很多用于创建图的函数，有确定性的，也有随机的随机图构造器称为‘games’。
要从字段数据创建图，graph_from_edgelist、graph_from_data_frame和graph_from_adjacency_matrix可能是最好的选择。
igraph包括一些经典的随机图，如Erdos-Renyi GNP and GNM graphs (sample_gnp, sample_gnm)，以及一些最近流行的模型，如preferential attachment (sample_pa) and the small-world model (sample_smallworld)。
对于边也是一样，边id总是在1到m之间，m是图中边的总数。
顶点和边在igraph中都有数值的顶点id。顶点id从1开始，总是连续的。即对于一个有n个顶点的图，顶点id在1到n之间。如果某些操作改变了图中的顶点数，例如通过induced_subgraph创建了一个子图，那么顶点将重新编号以满足这个条件。
在igraph中，可以将属性赋给图的顶点或边，或者赋给图本身。igraph提供了基于属性值选择一组顶点或边的灵活构造，有关详细信息，请参阅vertex_attr、V和E。
一些顶点/边/图属性被特殊处理。其中一个是“name”属性。这用于打印图形，而不是数字id(如果存在)。在所有igraph函数中，顶点名称也可以用来指定一个向量或顶点集。例如，度有一个v参数，它给出了度被计算的顶点。这个参数可以作为顶点名称的字符向量给出。
边也可以有一个“name”属性，这也是特别处理的。就像顶点一样，边也可以根据它们的名字来选择，例如在delete_edges和其他函数中。
我们注意到，顶点名称也可以用来选择边。形式“from|to”，其中“from”和“to”是顶点名称，选择一个单一的，可能是有方向的，从“from”到“to”的边。这两种形式也可以在同一个边选择器中混合。
如果您使用save和load来存储/检索图形，那么所有的属性值都将被保留。
igraph提供了三种不同的可视化方法。首先是情节。igraph函数。(实际上你不需要写情节。igraph, plot就够了。这个函数使用常规的R图形，可以与任何R设备一起使用。
第二个函数是tkplot，它使用一个Tk GUI来进行基本的交互式图形操作。(Tk非常需要资源，所以不要对非常大的图尝试这种方法。)
第三种方法需要rgl包并使用OpenGL。
igraph可以处理各种图形文件格式，通常用于读写。我们建议对图形使用GraphML文件格式，除非图形太大。对于较大的图形，建议采用更简单的格式。有关详细信息，请参阅read_graph和write_graph。
igraph development team
igraph Tutorials
系列文章：
networkD3 绘制动态网络
