自己做企业网站的步骤,电子商务网站建设财务预算,社区推广普通话,网站建设策划书的撰写综述
在大数据和人工智能时代#xff0c;神经网络是一种最为常见的数据分析和拟合工具。本报告以常用分析软件Matlab为例#xff0c;介绍其中神经网络工具箱使用方法。
Step 1: 打开matlab
安装matlab 2018以上版本后#xff0c;双击图标打开。 Step 2: 打开神经网络拟合…综述
在大数据和人工智能时代神经网络是一种最为常见的数据分析和拟合工具。本报告以常用分析软件Matlab为例介绍其中神经网络工具箱使用方法。
Step 1: 打开matlab
安装matlab 2018以上版本后双击图标打开。 Step 2: 打开神经网络拟合应用
1、在APP应用页面展开找到Neural Net Fitting图标单击打开。 2、打开后页面如下图所示 点击“Next”
Step 3: 选择训练数据
1、本实验先利用matlab内置的已有算例数据集进行分析如下图所示点击“Load Example Data Set” 2、选择Engine数据集后再点击Import导入。 3、点击蓝色字体“engine dataset”查看这个数据集的介绍 可以进一步点击上图中的链接查看更多内容。
4、选择自变量“输入”input、因变量“目标”target 5、告诉matlab样本是行还是列。这里选择columns即有1199个样本。样本一般比较多element变量一般比较少。 点击next
6、划分训练集、测试集和验证集。这里默认不需要改。 点击next。
Step 4: 配置神经网络
1、设置隐含层数目这里默认10不需要改变。 点击next。
有同学好奇这里要怎么设置。根据kolmogorov定理可以按照如下方法确定。 Step 5: 开始训练神经网络
1、开始训练点击Train 得到如下训练结果 Step 6: 分析拟合结果
1、查看拟合效果。 误差的众数在0附近比较合理。 预测值output和真实值target的分布都在对角线上说明拟合效果很好。 MSE和R值都挺好的也说明这个模型拟合得不错。
点击next进行下一步。
Step 7: 导出结果
1、出现下图我们暂时不需要评估模型所以继续按Next 到达Deploy solution的页面如下图所示这时候我们点“MATLAB Function” 点击后发现matlab主界面的工作区中出现了我们刚刚跑模型的数据。 在matlab主界面的编辑器出现了新建页面且里面是刚刚所训练模型的参数将其保存为自己喜欢的名字例如下图中“myNeuralNetworkFunctionEngine”将其保存在默认路径。 上图所示的数字即为神经网络每一个输入的权重系数。
Step 8: 应用模型
1、新建一个脚本我们命名为“EnginePre”保留在默认路径。敲入如图所示的代码。 点击运行后可以点击工作区中的“Y_true”和“Y_pre”来感性对比以下真值和预测值的差别。 由于本例中的输出有两个所以我们也分别对其计算RMSE得到的值如下图所示。