在R語言中，可以使用neuralnet包來實現神經網絡模型。下面是一個簡單的示例代碼：
# 安裝并加載 neuralnet 包
install.packages("neuralnet")
library(neuralnet)
# 創建一個數據集
data <- data.frame(
x1 = runif(100),
x2 = runif(100),
y = ifelse(x1 + x2 > 1, 1, 0)
)
# 創建神經網絡模型
model <- neuralnet(
y ~ x1 + x2,
data = data,
hidden = c(3), # 設置隱藏層神經元個數
linear.output = FALSE # 輸出層是否使用線性激活函數
)
# 預測
new_data <- data.frame(
x1 = runif(10),
x2 = runif(10)
)
predictions <- compute(model, new_data)
print(predictions$net.result)
在上面的代碼中，首先安裝并加載neuralnet包，然后創建一個數據集。接著使用neuralnet函數創建神經網絡模型，指定輸入特征和輸出標簽，設置隱藏層神經元個數和輸出層激活函數等參數。最后通過compute函數對新數據進行預測。
