本文来自《老饼讲解-BP神经网络》https://www.bbbdata.com/
本文梳理BP神经网络的建模流程,供大家建模时进行借鉴。
一、BP神经网络的建模流程
BP神经网络的建模流程如下:
总的来说,BP神经网络建模的主流程共有3个大步骤,6个小步骤,
具体如下:
👉 数据预处理 :数据归一化、数据划分
👉 网络构建 :网络结构设置、网络训练
👉 效果评估 :模型训练效果评估、模型预测效果评估
二、BP神经网络的建模分步讲解
2.1.数据归一化
在建模前,需要先将数据进行归一化,即把数据范围缩放到[-1,1]之间。在matlab中可以使用mapminmax函数对数据进行归一化,如下:
[X,~] = mapminmax(X,-1,1);
[y,~] = mapminmax(y,-1,1);
2.2.数据划分
将数据划分为三部分,一部分用于测试,一部分用于训练。
randIndex = randperm(100);
trainIndex = sort(randIndex(1:80)); % 随机选出80个数据作为训练数据(这里先选出数据的序号)
testIndex = sort(randIndex(81:100)); % 将剩下的20个数据作为检验数据(这里先选出数据的序号)
X_train = X(:,trainIndex); % 根据序号选出80个用于训练的输入
X_test = X(:,testIndex); % 根据序号选出20个用于检验的输入
y_train = y(:,trainIndex); % 根据序号选出80个用于训练的输出
y_test = y(:,testIndex); % 根据序号选出20个用于检验的输出
这里我们划分了80%的数据作为训练数据,用来训练BP神经网络。
2.3.网络结构设置
要处理好数据之后,我们就需要初始化一个BP神经网络,同时设置好网络的结构,例如隐层层数、隐节点个数、训练算法等等。在matlab中初始化一个BP神经网络使用newff函数,如下:
net = newff(X_train,y_train ,3,{'tansig','purelin'},'trainlm');
2.4.网络训练
设置好网络后,就可以开始训练BP神经网络了,在训练前还可以设置一些训练的参数,例如训练目标goal,训练步数epochs等等,如下
net.trainparam.goal = 0.0001; % 训练目标:均方误差低于0.0001
net.trainparam.show = 400; % 每训练400次展示一次结果
net.trainparam.epochs = 15000; % 最大训练次数:15000.
[net,tr] = train(net,X_train,y_train ); % 调用matlab神经网络工具箱自带的train函数训练网络
2.5.训练效果评估
模型训练完成后,点击训练面板上的Regression就可以看到模型的回归效果。
点击后我们可以看到模型的效果:
除了看回归系数外,也可以自行计算相关的指标。例如MSE,MAE等等。
mse的计算公式:
mse
=
avg
(
y
−
y
^
)
2
\text{mse} = \text{avg}(\text{y}-\hat{\text{y}})^2
mse=avg(y−y^)2
mae的计算公式:
mae
=
avg
(
∣
y
−
y
^
∣
)
\text{mae} = \text{avg}(|\text{y}-\hat{\text{y}}|)
mae=avg(∣y−y^∣)
其中,
y
^
\hat{\text{y}}
y^是模型的预测值,
y
\text{y}
y是真实值
相关链接:
《老饼讲解-机器学习》:老饼讲解-机器学习教程-通俗易懂
《老饼讲解-神经网络》:老饼讲解-matlab神经网络-通俗易懂
《老饼讲解-神经网络》:老饼讲解-深度学习-通俗易懂