r语言多分类神经网络模型代码

在R语言中，可以使用`nnet`包来构建多分类神经网络模型。以下是一个简单的示例代码：

# 安装和加载nnet包
install.packages("nnet")
library(nnet)

# 创建一个数据集
data <- iris

# 将数据集分为训练集和测试集
set.seed(123)
trainIndex <- sample(1:nrow(data), 0.7 * nrow(data))
trainData <- data[trainIndex, ]
testData <- data[-trainIndex, ]

# 定义模型的 formula
formula <- Species ~ .

# 训练多分类神经网络模型
model <- nnet(formula, data = trainData, size = 10, maxit = 1000)

# 在测试集上进行预测
predictions <- predict(model, newdata = testData, type = "class")

# 计算准确率
accuracy <- sum(predictions == testData$Species) / nrow(testData)
print(paste("准确率:", accuracy))

这段代码使用鸢尾花数据集（iris）作为例子，将数据集分为训练集和测试集，并使用`nnet`函数构建一个多分类神经网络模型。模型训练完成后，使用测试集进行预测，并计算出准确率。