时尚网站首页设计,社交网站开发注意事项,wordpress 主题窜改,网站导航栏目焦点设置1、BP神经网络算法
(1)步骤
1.准备训练数据和目标值
2.创建并配置BP神经网络模型
3.训练BP神经网络模型
4.用BP神经网络模型预测数据
例#xff1a;某企业第一年度营业额为132468#xff0c;第二年度为158948#xff0c;第三年度为183737#xff0c;预测第四年度的营…1、BP神经网络算法
(1)步骤
1.准备训练数据和目标值
2.创建并配置BP神经网络模型
3.训练BP神经网络模型
4.用BP神经网络模型预测数据
例某企业第一年度营业额为132468第二年度为158948第三年度为183737预测第四年度的营业额
%准备训练数据和目标值
x [1 2 3]; %年度
y [132468 158948 183737]; %营业额%创建BP神经网络模型
net feedforwardnet(10);%配置BP神经网络模型
net.trainParam.showWindow false;
net.trainParam.epochs 1000;
net.divideFcn ;
net.performFcn mse;%调整输入输出数据的格式
x_train x;
y_train y;%训练BP神经网络模型
net train(net, x_train, y_train);%预测第四年度的营业额
x_pred 4; %第四年度
y_pred sim(net, x_pred);%输出预测结果
disp(y_pred);(2)可视化
format long
p1:16; %输入矢量
t0.00001*[114333 115823 117171 118517 119850 121121 122389 123626 124761 125786 126743 127627 128453 129227 129988 130756] %目标矢量
net newff([0 8],[10 1],{tansig purelin},trainlm); %初始化神经网络 net.trainParam.epochs2500 %确定最大训练次数
net.trainParam.goal 0.00000001; %确定预期误差
net.trainParam.lr0.02 %确定学习速率即权值
net train(net,p,t); %进行训练
p21:120
y2 sim(net,p2)
p1989p;
p21989p2;
plot(p,t,o,p2,y2,*) %绘制拟合曲线
grid on 2、二叉决策树
(1)步骤
1.加载数据
2.设置特征和标签
3.构建二叉决策树模型
4.预测一个新样本的标签
(2)例
1.
data [1, 2, 0;2, 3, 1;3, 4, 0;4, 5, 1;5, 6, 0;6, 7, 1;7, 8, 0;8, 9, 1];
X data(:, 1:2); %特征(第1列和第2列作为特征X)
Y data(:, 3); %标签(第3列作为标签Y)
tree fitctree(X, Y);
new_sample [9, 10]; %新样本的特征
predicted_label predict(tree, new_sample);
disp(predicted_label);
view(tree, Mode, Graph);2.鸢尾花数据集
%准备数据
load fisheriris; %加载鸢尾花数据集
X meas(:, 3:4); %选择两个特征作为输入
Y species; %类别标签tree fitctree(X, Y); %构建决策树模型view(tree, Mode, graph);%可视化决策树%预测新样本
newX [5 1.5]; %新样本的特征值
predictedClass predict(tree, newX);
disp([预测类别 char(predictedClass)]);
