Matlab, BP 신경망 기반 데이터 분류 예측 실현

Matlab 언어는 BP 신경망 기반의 데이터 분류 예측을 구현합니다. 네 가지 분류는 다음과 같습니다.

1. 원본 데이터 불러오기 여기에서 테스트 데이터는 예로 Excel 테이블에 저장됩니다.

%%  导入数据
res = xlsread('数据集.xlsx');

둘째, 데이터 세트는 훈련 세트와 테스트 세트로 나뉩니다.

temp = randperm(357);

P_train = res(temp(1: 240), 1: 12)'; %训练集特征
T_train = res(temp(1: 240), 13)';    %训练集标签
M = size(P_train, 2);

P_test = res(temp(241: end), 1: 12)'; %测试集特征
T_test = res(temp(241: end), 13)';    %测试集标签
N = size(P_test, 2);

3. 교육 및 테스트 데이터를 정규화합니다.

%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test  = mapminmax('apply', P_test, ps_input);
t_train = ind2vec(T_train);
t_test  = ind2vec(T_test );

넷째, BP 신경망 분류 모델의 확립.

net = newff(p_train, t_train, 4);

5. BP 신경망의 훈련 매개변수를 설정합니다.

net.trainParam.epochs = 1000;   % 最大迭代次数
net.trainParam.goal = 1e-6;     % 目标训练误差
net.trainParam.lr = 0.01;       % 学习率

6. 분류 모델을 교육합니다.

net = train(net, p_train, t_train);

7. 시뮬레이션 테스트를 위해 훈련 세트와 테스트 세트 데이터를 모델에 입력합니다.

%%  仿真测试
t_sim1 = sim(net, p_train);
t_sim2 = sim(net, p_test );

%%  数据反归一化
T_sim1 = vec2ind(t_sim1);
T_sim2 = vec2ind(t_sim2);

%%  数据排序
[T_train, index_1] = sort(T_train);
[T_test , index_2] = sort(T_test );

T_sim1 = T_sim1(index_1);
T_sim2 = T_sim2(index_2);

8. 모델의 오차를 평가하고 분류 정확도를 계산하고 예측 결과와 실제 분류 간의 비교 곡선을 그립니다.

%%  性能评价
error1 = sum((T_sim1 == T_train)) / M * 100 ;
error2 = sum((T_sim2 == T_test )) / N * 100 ;

%%  绘图
figure
plot(1: M, T_train, 'r-*', 1: M, T_sim1, 'b-o', 'LineWidth', 1)
legend('真实值', '预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'训练集预测结果对比'; ['准确率=' num2str(error1) '%']};
title(string)
xlim([1, M])
grid

figure
plot(1: N, T_test, 'r-*', 1: N, T_sim2, 'b-o', 'LineWidth', 1)
legend('真实值', '预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'测试集预测结果对比'; ['准确率=' num2str(error2) '%']};
title(string)
xlim([1, N])
grid

9. 8단계의 분류 결과에 대한 혼동행렬을 그린다.

%%  混淆矩阵
figure
cm = confusionchart(T_train, T_sim1);
cm.Title = 'Confusion Matrix for Train Data';
cm.ColumnSummary = 'column-normalized';
cm.RowSummary = 'row-normalized';
    
figure
cm = confusionchart(T_test, T_sim2);
cm.Title = 'Confusion Matrix for Test Data';
cm.ColumnSummary = 'column-normalized';
cm.RowSummary = 'row-normalized';

위는 BP 신경망을 기반으로 데이터 분류 예측을 실현하기 위한 matlab의 모든 코드입니다. 이해하지 못하는 친구가 있으면 의견을 남기거나 비공개 메시지를 보내거나 코드 사용자 지정을 위해 블로거에게 비공개 메시지를 보낼 수도 있습니다(Q: 809315756).

Matlab, BP 신경망 기반 데이터 분류 예측 실현

추천