R语言人工神经网络分类代码

以下是一个简单的R语言人工神经网络分类代码示例：

# 加载必要的库
library(neuralnet)

# 读取数据
data <- read.csv("data.csv")

# 将数据分为训练集和测试集
trainIndex <- sample(1:nrow(data), 0.7 * nrow(data))
trainData <- data[trainIndex,]
testData <- data[-trainIndex,]

# 创建神经网络模型
model <- neuralnet(target ~ input1 + input2 + input3, data=trainData, hidden=3)

# 对测试数据进行预测
predictions <- compute(model, testData[,2:4])

# 计算模型预测的准确率
accuracy <- sum(round(predictions$net.result) == testData$target) / nrow(testData)
cat("准确率：", accuracy)

在此示例中，我们使用了`neuralnet`库来创建神经网络模型，并使用`compute`函数对测试数据进行预测。最后，我们计算了模型预测的准确率。