用r语言编写ANN模型

以下是一个简单的ANN模型的示例代码：

# 导入所需的包
library(neuralnet)

# 准备数据
data <- iris
data$Species <- as.numeric(factor(data$Species))

# 划分训练集和测试集
train_index <- sample(1:nrow(data), 0.7*nrow(data))
train_data <- data[train_index,]
test_data <- data[-train_index,]

# 定义并训练模型
model <- neuralnet(Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, data=train_data, hidden=c(4,2), linear.output=FALSE)
# Species是输出变量，Sepal.Length、Sepal.Width、Petal.Length和Petal.Width是输入变量
# hidden参数指定了隐藏层的结构，这里有两个隐藏层，第一个有4个神经元，第二个有2个神经元
# linear.output参数指定输出层是否使用线性激活函数，这里使用sigmoid函数

# 在测试集上进行预测
predictions <- compute(model, test_data[,1:4])
predicted_species <- apply(predictions$net.result, 1, which.max)

# 计算准确率
accuracy <- sum(predicted_species == test_data$Species)/length(test_data$Species)
print(paste("Accuracy:", accuracy))

这个ANN模型使用了神经网络包neuralnet。首先导入包，然后准备数据。这里使用了经典的iris数据集，并将类别变量转换为数字。然后将数据集划分为训练集和测试集。接下来，定义模型。这个模型有一个输出层和两个隐藏层，使用sigmoid函数作为激活函数。最后，在测试集上进行预测，并计算准确率。