首页 / 神经网络 / Matlab神经网络工具箱学习之二
Matlab神经网络工具箱学习之二
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Matlab神经网络工具箱学习之二,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1149字,纯文字阅读大概需要2分钟。
内容图文
![Matlab神经网络工具箱学习之二](/upload/InfoBanner/zyjiaocheng/1226/394918dc2ac64344be35ba1b79d5f2bf.jpg)
螃蟹的分类
这个例子的目的是根据螃蟹的品种、背壳的长宽等等属性来判断螃蟹的性别,雄性还是雌性。
训练数据一共有六个属性:
species, frontallip, rearwidth, length, width and depth.
这里每个属性所对应的是螃蟹哪一部分的真实性状并不是关键。我们关心的只是已知样本是6维的向量,输出是0/1值,
求分类效果最好的网络模型。
首先载入样本数据
[x,t] = crab_dataset;
% size(x) = [6, 200];
% size(t) = [2, 200];
然后初始化神经网络
例子里使用含有一层隐含层的模型,隐含层有10个神经元。调用Matlab的patternnet()函数。
net = patternnet(10); view(net)
----------------------------
patternnet()函数的参数有(hiddenSizes,trainFcn,performFcn)三个。hiddenSizes默认值是10,可以用数组表示多个隐含层。trainFcn默认值是‘trainscg‘,Performance
function默认值是‘crossentropy‘。如果想要有两个隐含层,每层的神经元都是10个,则可以写成
net = patternnet([10,10]);
接下去是训练网络。把网络模型、训练样本和测试样本作为参数传入train()函数。系统自动将数据分为training和validation.
[net,tr] = train(net,x,t); nntraintool
--------------------------
可以在窗口点击Performance或者调用PLOTPERFORM查看训练的过程。
plotperform(tr)
------------------------
测试分类器
testX = x(:,tr.testInd); testT = t(:,tr.testInd); testY = net(testX); testIndices = vec2ind(testY);
plotconfusion(testT,testY);
下图表示的是分类器的效果。绿色表示分类器的分类结果和测试数据的label一致,红色表示两者结果不一致。红色区域内的百分数越小,说明分类器结果的误差越小,分类结果越好。如果误差过大,则需要增加样本进再行训练或者增加隐含层的神经元个数。
原文:http://www.cnblogs.com/naive/p/3579605.html
内容总结
以上是互联网集市为您收集整理的Matlab神经网络工具箱学习之二全部内容,希望文章能够帮你解决Matlab神经网络工具箱学习之二所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。