MATLAB模式识别实现指标分类评估预测如环境业绩等-training_data.xls 最近看到很

文件名称: MATLAB模式识别实现指标分类评估预测如环境业绩等-training_data.xls

所属分类: 其它

开发工具:

文件大小: 30kb

下载次数: 0

上传时间: 2019-08-13

提供者: weixin_********

下载 (30kb)

不能下载？报告错误

详细说明： MATLAB模式识别实现指标分类评估预测如环境业绩等-training_data.xls 最近看到很多会员需要使用MATLAB神经网络做如下的事情： 1：MATLAB神经网络对水的质量的分类、评估、预测（属于环境类分类、评估预测） 2：MATLAB神经网络对空气质量的分类、评估、预测（属于环境类分类、评估预测） 2：MATLAB神经网络对土壤质量的分类、评估、预测（属于环境类分类、评估预测） 3：MATLAB神经网络对学员的个人表现进行分类、评估、预测（属于个人业绩鉴定） 4：MATLAB神经网络对医学、生物学上的细胞、疾病等分类、评估等（属于医学、生物学） 5：MATLAB神经网络对交通、物流等效率方面的分类、评估、预测等（属于交通、物流管理） 6：MATLAB神经网络用于故障诊断 7：概括来讲，就是使用神经网络对某些指标（如空气质量、水质量、个人业绩等）进行“有限”的分类、预测、评价等。在这里，我特别强调“有限”两个字，因为这正是模式识别工具箱可以解决的问题。我看到很多会员使用不同的神经网络（如模糊识别，RBF, SVM等）。根据我多年的使用经验，其实基于多层BP网络的模式识别是最容易实现、效果非常满意、且结果非常具有说服力。很多会员没有掌握模式识别的精髓，或者网络训练好以后不知道如何评估、使用等。现在我用一个完整的例子来给大家展示一下它的优点。不知道什么是模式识别，什么是BP网络的会员，请先看一下这个视频：MATLAB模式识别工具箱视频教学用MATLAB模式识别工具箱（函数）来对某些指标（如空气质量、水质量、个人业绩等）进行分类、评估、预测，分为三步：数据准备训练和评估预测下面我来一步一步讲解，先谈数据的准备：确保输入数据（包括训练以及将来要预测的数据）在比较接近的范围里（归一化是其中一种方式）。这一个步骤不仅仅是在模式识别里，其实在任何一种网络里，这一步都是必须的。比如说你有400组数据，每组数据对应一个中国县城的空气质量。假设每组数据含有6个指标（称之为A,B,C,D,E,F,G), 如果数据A的范围是10^5-10^7, F的范围是0.1-0.5，如果用这些数据来训练，很容易导致网络的权重也有同样的数量级的差别，结果是你的网络会非常的“敏感”（可以想象一下，如果F对应的权重是10^10,那么即使F稍微变化一下，都有可能导致网络的输出结果不同。而有时候这样的敏感度并不是你想要的，你可以对数据进行归一化处理，把数据都转换到0-1的区间内。 MATLAB模式识别工具箱可以自动对输入数据进行归一化处理，所以你只要明白这个过程，但是并不需要你额外写程序来处理这些数据。对输出数据进行二进制量化通常情况下，用于测试的输入数据所对应的输出数据不是量化数据，比如说：优、良，或者是一级、二级等等。那么通常我们用二进制来表达，两位数字的二进制可以表示3类（01，10，11），三位数字的二进制可以表示7类（001，010，011，100，101，110，111，通常我们不使用000)。二进制的顺序不重要，比如说优可以对应001,也可以用010来表示。经过简单处理，输入数据和新添加的二进制输入数据如下图所示：神经网络——输入数据模式识别.png MATLAB模式识别实现指标分类、评估、预测原始训练数据下载： training_data.xls MATLAB模式识别实现指标分类、评估、预测把数据导入到MATLAB程序里close all clear all clc x=xlsread; y=xlsread; inputs = x; targets = y;复制代码我们再谈谈网络的训练和评估：你可以使用MATLAB自带的模式识别工具箱界面来导入数据、调整参数等，然后得到结果。我通常第一次这样使用，得到一个基础架构以后，然后生成m代码，再在代码上修改。这里我演示给大家，如果通过程序来实现。下面是用来做模式识别的代码（工具箱产生的函数）： % 创建一个模式识别网络（两层BP网络），同时给出中间层神经元的个数，这里使用20 hiddenLayerSize = 20; net = patternnet; % 对数据进行预处理，这里使用了归一化函数（一般不用修改） % For a list of all processing functions type: help nnprocess net.inputs{1}.processFcns = {removeconstantrows,mapminmax}; net.outputs{2}.processFcns = {removeconstantrows,mapminmax}; % 把训练数据分成三部分，训练网络、验证网络、测试网络 % For a list of all data division functions type: help nndivide net.divideFcn = dividerand; % Divide data randomly net.divideMode = sample; % Divide up every sample net.divideParam.trainRatio = 70/100; net.divideParam.valRatio = 15/100; net.divideParam.testRatio = 15/100; % 训练函数 % For a list of all training functions type: help nntrain net.trainFcn = trainlm; % Levenberg-Marquardt % 使用均方误差来评估网络 % For a list of all performance functions type: help nnperformance net.performFcn = mse; % Mean squared error % 画图函数 % For a list of all plot functions type: help nnplot net.plotFcns = {plotperform,plottrainstate,ploterrhist, ... plotregression, plotfit}; % 开始训练网络（包含了训练和验证的过程） [net,tr] = train; % 测试网络 outputs = net; errors = gsubtract; performance = perform % 获得训练、验证和测试的结果 trainTargets = targets .* tr.trainMask{1}; valTargets = targets .* tr.valMask{1}; testTargets = targets .* tr.testMask{1}; trainPerformance = perform valPerformance = perform testPerformance = perform % 可以查看网络的各个参数 view % 根据画图的结果，决定是否满意 % Uncomment these lines to enable various plots. figure, plotperform figure, plottrainstate figure, plotconfusion figure, ploterrhist % Test the Network z=xlsread; testinputs= z; testoutputs = net; 复制代码网络训练的每次结果都有可能不一样，比如说第一次得到不太满意的结果（准确率低于80%)：模式识别不满意结果.png MATLAB模式识别实现指标分类、评估、预测多训练几次，可以得到不错的结果（准确率达到97.5%)： MATLAB模式识别满意结果.png MATLAB模式识别实现指标分类、评估、预测如果你对训练结果满意，请务必保存好网络，留着以后预测使用：%如果你对该次训练满意，可以保存训练好网络 save;复制代码最后我们讨论一下如何使用训练好的网络：首先确保你用来预测的输入数据，格式跟训练数据一样（否则肯定不能使用）。在上面的网络里，我们的每组输入数据含有6个指标，那么用来预测的数据，也必须符合以上要求。样本如下：神经网络预测数据.png new_data.xls MATLAB模式识别实现指标分类、评估、预测目的是得到二进制输出，以及把二进制输出转换成对应的类别，并且写入到该Excel文件里。我们导入刚才已经保存好的网络clear all close all clc load training_net.mat复制代码导入测试数据：%导入测试数据 new_input = xlsread;复制代码获得预测结果new_output = round);复制代码把二进制预测结果写入到excel文件里xlswrite;复制代码把二进制对应的类别写入到excel文件里new_output=new_output; [r c]=size; my_category=zeros for i=1:r my_category=2^new_output 2^new_output 2^new_output; end xlswrite;复制代码结果如下：模式识别程序.png 看懂了么？希望能对你有所帮助数据已经在上文中贴出，整理好的程序如下： MATLAB模式识别训练网络程序： Training_NPR.m MATLAB模式识别程序 MATLAB模式识别使用网络来预测： Use_For_Predict.m MATLAB神经网络预测程序

(系统自动生成,下载前可以参看下载内容)