Visualisierung des neuronalen Netzwerks mit R.
Inhaltsverzeichnis
Visualisierungspaket für neuronale Netze in R.
Die Neuralnet-Funktion kann den Berechnungsgraphen standardmäßig mit der Funktion plot () visualisieren. Beachten Sie unten, wie Sie den Berechnungsgraphen visualisieren, wenn Sie andere neuronale Netzwerkpakete verwenden, die keine Funktionen wie die Neuralnet-Funktion aufweisen.
- plot.nn Funktion
- Plotnet-Funktion
Vorbereitung
Beispieldaten verwenden Iris
Einen Lernenden erstellen
d = Iris d $ Spezies <-as.Faktor (d $ Spezies) #train_test_split set.seed (0) sample <-sample.int (n = nrow (d), Größe = Boden (0.80 * nrow (d)), ersetzen = F) Zug <-d [Probe,] Test <-d [-probe,] Zusammenfassung (Zug) # nnet Bibliothek (nnet) nn1 = nnet (Spezies ~., Größe = 5, Daten = Zug) pred_nn1 <- Vorhersage (nn1, Test, Typ = "Klasse") Tabelle (Test $ Species, pred_nn1)
Visualisieren Sie nnet
In jedem Fall gibt die Farbe das Positive oder Negative an, und die Dicke gibt die Größe des numerischen Werts an.
plot.nn Funktion
source ("http://hosho.ees.hokudai.ac.jp/~kubo/log/2007/img07/plot.nn.txt") plot.nn (nn1)
plot.nnet Funktion
install.packages ("NeuralNetTools") Bibliothek (NeuralNetTools) plotnet (nn1)
Übrigens in der Neuralnet-Funktion
Bibliothek (Caret) tmp <-dummyVars (~., Daten = Zug) Dummy <-as.data.frame (Vorhersage (tmp, Zug)) Bibliothek ("Neuralnet") f = Species.setosa + Species.versicolor + Species. virginica ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width nn2 <-neuralnet (Formel = f, Daten = Dummy) Handlung (nn2)
Wenn es viele Variablen gibt, ist es einfacher, die Visualisierung mit der horizontalen Plotnetzfunktion zu sehen. Die Plotnet-Funktion ist einfach zu verwenden, da sie nicht nur nnet, sondern auch mit RSNNS und Caret erstellte neuronale Netze visualisieren kann und eine breite Palette von Anwendungen bietet.