神经网络是一种类似于人类神经系统的计算模型，它由大量相互连接的节点组成，在信息处理方面具有很大的优势。其强大的学习能力正是来源于它的这种拓扑结构，或者相互连接的神经元的模式与结构。拓扑结构决定了可以通过网络进行学习任务的复杂性。一般来说，更大、更复杂的网络能够识别更复杂的决策边界。然而，神经网络的效能不仅是一个网络规模的函数，也取决于其构成元素的组织方式。在一个神经网络中通常会分成这样几层：

1、输入层（input layer）

2、隐藏层（hidden layer）

3、输出层（output layer）

小果今天准备的案例分析使用的数据集是官方的波士顿房价数据集，分析的目的就是通过神经网络构建模型来预测波士顿房价。首先我们来看一下数据样例。

该数据每行数据代表一个小区的各个特征，其中medv为房子平均价格，也就是本次分析的目标变量。数据共有506个样本，我们按8:2的比例划分训练集和测试集。接着让我们展开分析吧！

Step 1:导入相关R包

#分析结果

结果的散点图可以看出，使用神经网络构建模型可以基本预测出房价的一个大致趋势，但是仍然存在一些误差（说明神经网络也预测不准房价！！题外话），这可能是由于我们没有事先对变量进行有效的提取，导致模型性能下降，小伙伴们在使用神经网络时也需要结合一些有效的方法来对数据进行一些处理，毕竟再强的模型也需要一个好的数据支撑！

如果需要完整的代码可以点击付费获取哦!今天小果的分享就到这里，如果小伙伴有其他数据分析需求，可以尝试本公司新开发的生信分析小工具云平台，季代码完成分析，非常方便奥!

（扫码领取整理好的输入文件，代码文件及示例结果）