Memvisualisasikan Neural Networks di R
Daftar isi
Paket visualisasi jaringan saraf di R
Fungsi neuralnet dapat memvisualisasikan grafik komputasional dengan fungsi plot() sebagai standar. Perhatikan di bawah ini cara memvisualisasikan grafik komputasi saat menggunakan paket jaringan neural lainnya yang tidak memiliki fitur seperti fungsi neuralnet.
- fungsi plot.nn
- fungsi plotnet
persiapan
Sampel data menggunakan iris
Buat peserta didik
d=iris d$Species <- as.factor(d$Species) #train_test_split set.seed(0) sample <- sample.int(n = nrow(d), size = floor(0.80*nrow(d)), replace = F) train <- d[sample, ] test <- d[-sample, ] summary(train) #nnet library(nnet) nn1=nnet(Species~., size=5, data=train) pred_nn1 <- tabel prediksi(nn1, test,type="class")(test$Spesies,pred_nn1)
Visualisasikan nnet
Dalam setiap kasus, warna menunjukkan positif atau negatif, dan ketebalan menunjukkan besarnya nilai numerik.
fungsi plot.nn
sumber("http://hosho.ees.hokudai.ac.jp/~kubo/log/2007/img07/plot.nn.txt") plot.nn(nn1)
fungsi plot.nnet
install.packages("NeuralNetTools") pustaka(NeuralNetTools) plotnet(nn1)
Omong-omong, dalam fungsi neuralnet
library(caret) tmp <- dummyVars(~.,data=train) dummy <- as.data.frame(predict(tmp, train)) library("neuralnet") f = Species.setosa + Species.versicolor + Species. virginica~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width nn2 <- neuralnet(formula = f, data = dummy) plot(nn2)
Ketika ada banyak variabel, lebih mudah untuk melihat visualisasi menggunakan fungsi horizontal plotnet. Fungsi plotnet mudah digunakan karena dapat memvisualisasikan tidak hanya nnet tetapi juga jaringan saraf yang dibuat dengan RSNNS dan caret, serta memiliki berbagai macam aplikasi.