正文內容

r語言課程設計(編輯修改稿)

2025-08-31 22:50 本頁面

　

【文章內容簡介】 3 1 0 0 1 4 6 0 0 5上述混淆矩陣的行表示實際的類別，列表示預測判定的類別。在54個測試樣本中，實際屬于第1類的有35個，而由判定結果，在35個樣本中，有32個判定正確，有3個被錯判為第4類；第2類只有1個判定正確，有2個被錯判為第1類，3個被錯判為第4類；第3類沒有一個判定正確；第4類有5個判定正確，6個被錯判為第1類。從矩陣中只能看出每一類別的預測結果與實際類別的差距，只是一個直觀的判斷，并不能由此看出該模型的優劣，所以我們需要構造一個數量指標（誤判概率 = 矩陣非對角線之和/樣本總量），通過這個指標來確定模型的優劣。 e_ldasum((pred$class)!=y)/nrow(x) e_lda[1] 通過計算，%，可以看出該模型的預測效果并不好，因此需要進一步的改進。從上文中我們知道，使用Fisher判別要求各組變量的均值有顯著性差異，從上述結果已經知道降雨量在各類別下的均值差異性很小，所以我們可以考慮將其剔除，通過計算各變量在各類別下均值的方差，來作為剔除某一變量的理論依據。 var=c(var(lda$means[,1]),var(lda$means[,2]),+ var(lda$means[,3]),var(lda$means[,4])) var[1] 從結果來看，x4在各類別下均值的方差相對其他三者而言差別較大，因此考慮將其剔除，然后重新進行線性判別分析。 lda2lda(y~x1+x2+x3,data=x) 線性判別 pred2predict(lda2,x[,1:3]) table(y,pred2$class)y 1 2 3 4 1 33 0 0 2 2 3 0 0 3 3 1 0 0 1 4 5 0 0 6 e_lda2sum((pred2$class)!=y)/nrow(x) e_lda2[1] 從誤判率的角度來看，%，相對原來的模型有所降低；但從混淆矩陣來看，對于第2類和第3類的誤判率為100%，這相對原來的模型更難讓人接受。兩個模型各有好壞，但整體而言，都不是很好。3．模型應用如果運用上述兩個模型對未來進行預測的話，只需將所需要的變量存放至一個新的數據框，需要注意的是，數據框中各變量的名字需要和建立模型時使用的數據框中各變量的名稱一樣，即平均氣溫、最低氣溫、日照時間、降雨量分別用x1～x4來表示。然后直接運用模型來給出預測結果。(三).BP神經網絡安裝并加載軟件包nnet。 (“nnet”) library(nnet)首先在建模之前，先介紹軟件包nnet中的一個函數：()。該函數可以通過類別變量的因子變量來生成一個類指標矩陣。下面通過一個簡單的例子來更清楚地表明該函數的功能。 z=c(1,2,3) 定義一個水平數為3的向量 (z) 1 2 3[1,] 1 0 0[2,] 0 1 0[3,] 0 0 1從輸出結果可以看到，該函數主要是將向量變成一個矩陣，其中每行代表一個樣本。只是將樣本的類別用0和1來表示，即如果是該類，則在該類別名下用1表示，而其余的類別名下面用0表示。將數據框的前4列作為自變量數據，(y)作為類別變量數據，設置隱藏層節點個數為4，模型的最大迭代次數為1000次，用來防止模型的死循環。之后用核心函數nnet()來建立神經網絡模型。 model=nnet(x[1:4],(y),data=x,size=4,+ decay=5e4,maxit=1000) 神經網絡 p=x[,1:4] 測試集定為原始數據 pred3=predict(model,p) 對測試集進行預測 head(pred3) 預測結果的部分顯示 1 2 3 4[1,] [2,] [3,] [4,] [5,] [6,] 上述結果的每一行代表測試集中的每一個樣本，其判別準則為：每一行中最大值所在的列名即為該樣本所屬的類別。

點擊復制文檔內容

環評公示相關推薦

r語言課程設計(編輯修改稿)

c語言課程設計報告-資料下載頁

uvmaaac語言課程設計報告-資料下載頁

[工學]c語言課程設計-資料下載頁

c語言課程設計論文-資料下載頁

c語言課程設計安排-資料下載頁

匯編語言課程設計-資料下載頁

課程設計--魔王語言解釋-資料下載頁

c語言課程設計范例-資料下載頁

c語言課程設計5篇-資料下載頁

c語言課程設計報告模板-資料下載頁

c語言課程設計報告(參考)-資料下載頁

c語言語言課程設計報告報告-資料下載頁

c語言課程設計--c語言投票程序-資料下載頁

c語言課程設計--c語言投票程序-資料下載頁

c語言課程設計課程設計-力學實驗設備管理系統-資料下載頁

r語言課程設計-文庫吧資料

r語言課程設計-展示頁

r語言課程設計-在線瀏覽

r語言課程設計-閱讀頁

r語言課程設計(文件)