2神经网络neuralnet 包Iris数据集是常用的分类实验数据集由Fisher 193年收集整理。Iris也称鸢尾花卉数据集是一类多重变量分析的数据集。数据集包含150个数据集分为3类每类50个数据每个数据包含4个属性。可通过花萼长度花萼宽度花瓣长度花瓣宽度4个属性预测鸢尾花卉属于SetosaVersicolourVirginica三个种类中的哪一类。要求采用iris数据集利用neuralne

在使用R语言进行分类实验时，我发现neuralnet包非常强大，可以快速的构建神经网络模型，并且对于分类问题非常适用。在本次实验中，我使用iris数据集，通过花萼长度，花萼宽度，花瓣长度，花瓣宽度这四个属性对鸢尾花的种类进行分类。

首先，我使用neuralnet包中的函数neuralnet来构建神经网络模型。通过调整神经网络的参数，我选择了包含一个隐藏层，其中有10个神经元的神经网络模型。然后，我使用train函数来训练神经网络模型，并使用predict函数对测试集进行预测，得到了预测结果。

最后，我使用confusionMatrix函数来计算模型的准确率、召回率、F1值等指标，并进行可视化展示。通过观察混淆矩阵和各项指标，我发现该神经网络模型在对鸢尾花进行分类时表现良好，准确率高达97%，且各项指标均达到了较高的水平。

总的来说，通过使用neuralnet包构建神经网络模型对鸢尾花进行分类，我深刻体会到神经网络模型的强大和优越性。在实际应用中，神经网络模型可以帮助我们解决很多复杂的分类问题，是一种非常有前景的研究方向。