当前位置:   article > 正文

Matlab实现基于BP神经网络的数据分类预测_对excel表数据进行bp数据预测

对excel表数据进行bp数据预测

matlab语言实现基于BP神经网络的数据分类预测-四分类,其步骤如下:

一、载入原始数据,这里以测试数据存放在Excel表格中为例。

  1. %% 导入数据
  2. res = xlsread('数据集.xlsx');

二、将数据集划分为训练集和测试集。

  1. temp = randperm(357);
  2. P_train = res(temp(1: 240), 1: 12)'; %训练集特征
  3. T_train = res(temp(1: 240), 13)'; %训练集标签
  4. M = size(P_train, 2);
  5. P_test = res(temp(241: end), 1: 12)'; %测试集特征
  6. T_test = res(temp(241: end), 13)'; %测试集标签
  7. N = size(P_test, 2);

三、对训练、测试数据进行归一化处理。

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

四、建立BP神经网络分类模型。

net = newff(p_train, t_train, 4);

五、设置BP神经网络的训练参数。

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

六、训练分类模型。

net = train(net, p_train, t_train);

七、将训练集和测试集数据分别输入模型进行仿真测试。

  1. %% 仿真测试
  2. t_sim1 = sim(net, p_train);
  3. t_sim2 = sim(net, p_test );
  4. %% 数据反归一化
  5. T_sim1 = vec2ind(t_sim1);
  6. T_sim2 = vec2ind(t_sim2);
  7. %% 数据排序
  8. [T_train, index_1] = sort(T_train);
  9. [T_test , index_2] = sort(T_test );
  10. T_sim1 = T_sim1(index_1);
  11. T_sim2 = T_sim2(index_2);

八、对模型进行误差评估,计算分类准确率,并绘制预测结果与真实分类的对比曲线。

  1. %% 性能评价
  2. error1 = sum((T_sim1 == T_train)) / M * 100 ;
  3. error2 = sum((T_sim2 == T_test )) / N * 100 ;
  4. %% 绘图
  5. figure
  6. plot(1: M, T_train, 'r-*', 1: M, T_sim1, 'b-o', 'LineWidth', 1)
  7. legend('真实值', '预测值')
  8. xlabel('预测样本')
  9. ylabel('预测结果')
  10. string = {'训练集预测结果对比'; ['准确率=' num2str(error1) '%']};
  11. title(string)
  12. xlim([1, M])
  13. grid
  14. figure
  15. plot(1: N, T_test, 'r-*', 1: N, T_sim2, 'b-o', 'LineWidth', 1)
  16. legend('真实值', '预测值')
  17. xlabel('预测样本')
  18. ylabel('预测结果')
  19. string = {'测试集预测结果对比'; ['准确率=' num2str(error2) '%']};
  20. title(string)
  21. xlim([1, N])
  22. grid

 九、对于步骤八的分类结果绘制混淆矩阵。

  1. %% 混淆矩阵
  2. figure
  3. cm = confusionchart(T_train, T_sim1);
  4. cm.Title = 'Confusion Matrix for Train Data';
  5. cm.ColumnSummary = 'column-normalized';
  6. cm.RowSummary = 'row-normalized';
  7. figure
  8. cm = confusionchart(T_test, T_sim2);
  9. cm.Title = 'Confusion Matrix for Test Data';
  10. cm.ColumnSummary = 'column-normalized';
  11. cm.RowSummary = 'row-normalized';

 

 

 以上就是matlab实现基于BP神经网络的数据分类预测的全部代码。如果有不懂的小伙伴儿,欢迎评论留言或者私信,代码订制也可私信博主(Q:809315756)。

本文内容由网友自发贡献,转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号