r語(yǔ)言課程設(shè)計(jì)-資料下載頁(yè)
2025-08-04 22:50本頁(yè)面
【正文】 lot(1:n,e,39。l39。,ylab=39。誤判概率39。,xlab=39。訓(xùn)練周+ 期39。,col=39。blue39。,ylim=c(min(e),max(e))))}ff(1000)從模型對(duì)測(cè)試集的誤判率隨訓(xùn)練周期的變化曲線可以看出，誤判概率隨著訓(xùn)練周期的增大先是急速下降，后趨于平穩(wěn)。但是也有出現(xiàn)反向增長(zhǎng)的現(xiàn)象，可能與訓(xùn)練集和測(cè)試集的選取有關(guān)。不過(guò)，從圖中整體的變化趨勢(shì)可以看出曲線的拐點(diǎn)在maxit=200處，所以maxit的最優(yōu)值可能為200。取size=8，maxit=200，重新建立神經(jīng)網(wǎng)絡(luò)模型，得到如下結(jié)果： model1=nnet(x[,1:4],(y),data=x,size=8,+ decay=5e4,maxit=200) pred4=predict(model1,p) pnew1=(pred4) e_e1sum(pnew1!=y)/nrow(x) e_e1[1] model1$convergence[1] 1%，較上次模型有所下降，但是模型的迭代次數(shù)達(dá)到了最大迭代次數(shù)，因此該模型可能還不是最優(yōu)的。取size=8，maxit=1000，重新建立神經(jīng)網(wǎng)絡(luò)模型，得到如下結(jié)果： model2=nnet(x[1:4],(y),data=x,size=8,+ decay=5e4,maxit=1000) pred5=predict(model2,p) pnew2=(pred5) table(y,pnew2) Pnew2y 1 2 3 4 1 35 0 0 0 2 0 6 0 0 3 0 0 2 0 4 0 0 0 11 e_e2sum(pnew2!=y)/nrow(x) e_e2[1] 0 model2$convergence[1] 0從輸出結(jié)果來(lái)看，該模型的誤判率為0，迭代次數(shù)也沒(méi)有達(dá)到最大值，說(shuō)明該模型可以被采納，在樣本量如此小的條件下，建立的模型能有如此高的預(yù)測(cè)精度，確實(shí)不得不讓人佩服神經(jīng)網(wǎng)絡(luò)模型的強(qiáng)大。然而，由于訓(xùn)練集樣本和測(cè)試集樣本完全相同，所以兩者的特征也完全一樣，可能由于這個(gè)原因，才會(huì)使得測(cè)試集的預(yù)測(cè)結(jié)果與實(shí)際值重合度如此高；況且由于神經(jīng)網(wǎng)絡(luò)模型太過(guò)靈活，當(dāng)訓(xùn)練周期很長(zhǎng)的時(shí)候，建立出來(lái)的神經(jīng)網(wǎng)絡(luò)模型可能會(huì)記住訓(xùn)練集的幾乎所有信息，而測(cè)試集又和訓(xùn)練集相同，所以，模型的誤判率才會(huì)如此低。盡管在此次建立神經(jīng)網(wǎng)絡(luò)模型的過(guò)程中出現(xiàn)了這么多問(wèn)題，但并不能夠掩蓋神經(jīng)網(wǎng)絡(luò)模型的強(qiáng)大之處，所以，神經(jīng)網(wǎng)絡(luò)模型還是值得我們深入學(xué)習(xí)和深入研究的。當(dāng)運(yùn)用此模型進(jìn)行預(yù)測(cè)時(shí)，需要注意的是，首先必須對(duì)用來(lái)預(yù)測(cè)的自變量進(jìn)行標(biāo)準(zhǔn)化，以消除數(shù)量級(jí)和量綱的影響。然后直接帶入模型給出預(yù)測(cè)結(jié)果。五． 總結(jié)與建議通過(guò)此次課程設(shè)計(jì)，使我更加扎實(shí)的掌握了有關(guān)如何使用R語(yǔ)言進(jìn)行統(tǒng)計(jì)分析方面的知識(shí)，在設(shè)計(jì)過(guò)程中雖然遇到了一些問(wèn)題，但經(jīng)過(guò)一次又一次的思考，一遍又一遍的檢查終于找出了原因所在，也暴露出了前期我在這方面的知識(shí)欠缺和經(jīng)驗(yàn)不足。實(shí)踐出真知，通過(guò)親自動(dòng)手制作，讓我根絕掌握的知識(shí)不再是紙上談兵?；仡欉@次課程設(shè)計(jì)，學(xué)到了很多很多的東西，不僅鞏固了以前所學(xué)過(guò)的知識(shí)，而且通過(guò)翻閱書(shū)籍也學(xué)到了很多在課堂上所沒(méi)有學(xué)到過(guò)的知識(shí)，例如：BP神經(jīng)網(wǎng)絡(luò)模型是如何建立的。通過(guò)這次課程設(shè)計(jì)使我懂得了理論與實(shí)際相結(jié)合是很重要的，只有理論知識(shí)是遠(yuǎn)遠(yuǎn)不夠的，只有把所學(xué)的理論知識(shí)與實(shí)踐相結(jié)合起來(lái)，從理論中得出結(jié)論，才能真正提高自己的實(shí)際動(dòng)手能力和獨(dú)立思考的能力。通過(guò)課程設(shè)計(jì)的訓(xùn)練，讓我進(jìn)一步學(xué)習(xí)和掌握了對(duì)R語(yǔ)言編程藝術(shù)的更深理解，在對(duì)函數(shù)進(jìn)行設(shè)計(jì)和編寫的過(guò)程中，讓我明白了在編程之前，要有明確的目標(biāo)和整體的設(shè)計(jì)思想，另外某些具體的細(xì)節(jié)內(nèi)容也是相當(dāng)?shù)闹匾?，我相信這些寶貴的編程思想和從中摸索到的經(jīng)驗(yàn)，對(duì)我以后的編程會(huì)有很大的幫助，所以，我會(huì)珍惜這次所有的收獲。通過(guò)不懈的努力，課程設(shè)計(jì)雖然完成，但由于本人能力有限，論文之中肯定還存在著很多的不足之處，這也督促著我更好的去學(xué)習(xí)，努力讓自己學(xué)到的知識(shí)有所升華。最后，要對(duì)給過(guò)我?guī)椭乃型瑢W(xué)和各位指導(dǎo)老師表示忠心的感謝！任務(wù)的完成，少不了老師的耐心指導(dǎo)和同學(xué)的熱心幫助，再次謝謝大家！12
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1