R语言中怎么实现神经网络模型

在R语言中，可以使用neuralnet包来实现神经网络模型。下面是一个简单的示例代码：

# 安装并加载 neuralnet 包
install.packages("neuralnet")
library(neuralnet)

# 创建一个数据集
data <- data.frame(
  x1 = runif(100),
  x2 = runif(100),
  y = ifelse(x1 + x2 > 1, 1, 0)
)

# 创建神经网络模型
model <- neuralnet(
  y ~ x1 + x2,
  data = data,
  hidden = c(3), # 设置隐藏层神经元个数
  linear.output = FALSE # 输出层是否使用线性激活函数
)

# 预测
new_data <- data.frame(
  x1 = runif(10),
  x2 = runif(10)
)
predictions <- compute(model, new_data)
print(predictions$net.result)

在上面的代码中，首先安装并加载neuralnet包，然后创建一个数据集。接着使用neuralnet函数创建神经网络模型，指定输入特征和输出标签，设置隐藏层神经元个数和输出层激活函数等参数。最后通过compute函数对新数据进行预测。