##BPNN-neuronet

set.seed(123)
folds <- createFolds(y=data$Groups,k=10)

建一个放auc值的空向量

auc<-as.numeric()
Errorrate<-as.numeric()
accuracy<-as.numeric()
sensitivity<-as.numeric()
specificity<-as.numeric()
roc <- vector("list", 5)

for(i in 1:10){
test <- data[folds[[i]],]
train <- data[-folds[[i]],]
BPNN <- neuralnet(Groups~.,data=train,hidden = c(16,8),
learningrate = 0.05, ##使用0.05的学习率
threshold = 0.1,# threshold：用于指定迭代停止条件,当权重的最大调整量小于指定值(默认0.01)时迭代终止
stepmax = 10000,# stepmax：同样用于指定迭代停止条件,当迭代次数达到指定次数(默认100000次)时迭代终止
err.fct = “sse”,# err.fct：用于指定损失函数L的形式,"sse"表示损失函数为误差平方,"ce"表示为交互熵
algorithm = “rprop+”,# algorithm：用于指定算法,"backpop"为传统B-P算法,"rprop+"或"rprop-“为弹性B-P算法,分别表示采用权重回溯或不回溯,不回溯将加速收敛(默认为"rprop+”)