如何在R中复现neuralnet包输出神经网络结构与权重参数的功能

完整实现步骤 #

• 安装并加载neuralnet包

# 未安装包时先执行安装，已安装可跳过该行
install.packages("neuralnet")
# 加载工具包
library(neuralnet)

• 构造适配2输入1输出场景的数据集（可替换为你的实际业务数据）

# 设置随机种子保证结果可复现
set.seed(123)
# 生成100条模拟二分类样本，对应2个输入特征i1、i2，1个分类标签y
sample_data <- data.frame(
  i1 = rnorm(100),
  i2 = rnorm(100),
  y = sample(c(0,1), 100, replace = TRUE)
)

• 训练对应2-3-1结构、decay=0.1的神经网络模型

nn_model <- neuralnet(
  formula = y ~ i1 + i2,
  data = sample_data,
  hidden = 3, # 隐藏层设置为3个节点
  decay = 0.1, # 对应你示例中的decay参数
  linear.output = FALSE # 分类任务需关闭线性输出
)

• 直接打印模型即可获得目标格式的输出

print(nn_model)

neuralnet包内置的打印方法默认输出内容包含网络结构说明、参数配置、各层偏置(b)和权重的对应关系及数值，和你给出的示例格式完全一致。

内容的提问来源于stack exchange，提问作者Gordon Grant