Rのニューラルネットを、Haskellからインラインで

README.md

Rのneuralnetパッケージを、Haskellからインラインで使ってみる。
inline-rというHaskellパッケージを使えば、 RコードをHaskellのQuasiQuotes内に埋め込める。

Haskell->Rであれば、Haskellでの変数名に 末尾_hsを付けた変数がRで自動的に使えるので、かなり楽。 浮動小数点数や、文字列、 それらのリストも特に問題なし （Haskellのリストは、Rのベクターに対応）。 R->Haskellに値を戻す方法は後日。

ただ、Mac OSでは、なぜかCヘッダがinline-rと相性が良くないらしく、 このプログラムはコンパイルが通らない。 Mint Linux上ではうまく行ったので、さしあたりそれで。
また、このHaskellプログラムでは パッケージのインストールまではやらないので、 R側で事前にinstall.packages("neuralnet")しておく必要がある。

Rの利用例としては、 XORをニューラルネットに学習させてみた。
neuralnet()でニューラルネットのモデルを作り、 学習まで一度にやる。 パラメータはかなり大事。 それ次第で、それなりに発展的なこともできるらしい。 また、良くないパラメータを与えると 残念なモデルができる（hidden=2を与えるとか…）。
compute()で、学習させたモデルに入力を与えて、予測させる。

inline-rは最初いくらか手間がかかるが、 Rのこういう専門的な関数や描画機能が さらっと使えるのはそれなりに便利そうである。

References

• inline-rのHello World
• Rのneuralnet

Main.hs

import Language.R.Instance(runRegion)
import Language.R.QQ

xorLearnAndPredict :: [[Double]] -> IO ()
xorLearnAndPredict table = do
    let [xs, ys, zs] = table
    runRegion $ do
        [r|
            library("neuralnet")

            df <- data.frame(xs_hs, ys_hs, zs_hs)
            nn <- neuralnet(zs_hs~xs_hs+ys_hs, df, hidden=3)
            predicted <- compute(nn, data.frame(xs_hs, ys_hs))

            print(predicted$net.result)
            plot(nn, rep="best")
        |]
        return ()

main :: IO ()
main = do
    let xs = [0, 1, 0, 1] :: [Double]
        ys = [0, 0, 1, 1] :: [Double]
        zs = [0, 1, 1, 0] :: [Double]
    xorLearnAndPredict [xs, ys, zs]
    getContents >>= print

neuralnet-r.cabal

name:                neuralnet-r
version:             0.1.0.0
build-type:          Simple
cabal-version:       >=1.20

executable neuralnet-r
  main-is:             Main.hs
  ghc-options:         -threaded -rtsopts -with-rtsopts=-N
  build-depends:       base
                     , inline-r
  default-language:    Haskell2010
  default-extensions:  QuasiQuotes

stack.yaml

resolver: lts-8.13
packages:
- '.'
extra-deps: []
flags: {}
extra-package-dbs: []