DeepLearning: 数据预处理3:分割数据集(matlab代码)

组合使用以下两个函数就行了,结合前面两篇内容。

randperm(m);
copyfile(a,b)

data路径下已经存在test和train两个文件夹,想要从trian文件夹中拿出25%用于验证,剩下的作为训练。验证的样本被移动到val文件夹。

clear;close all ;clc

%data文件夹下面放置test和train两个文件夹
dir_path = '/home/li/lilai/myMatlabcode/code1/data';
% 获取dir_path下的文件(夹)

dir_list = dir(dir_path);
dir_list_num = length(dir_list);
%第一层循环:
for i = 3:dir_list_num

    if strcmp(dir_list(i).name , 'train')
        dir_sub1_list = dir([dir_path,'/',dir_list(i).name]);
        dir_sub1_list_num = length(dir_sub1_list);
        %第二层循环:
        for j = 3:dir_sub1_list_num
            dir_sub2_list = dir([dir_path,'/',dir_list(i).name,'/',dir_sub1_list(j).name]);
            dir_sub2_list_num = length(dir_sub2_list);
            position_split = round((dir_sub2_list_num-2)/4);
            list_move = randperm(dir_sub2_list_num-2)+2;
            dir_path_new = [dir_path,'/','val','/',dir_sub1_list(j).name];
            mkdir(dir_path_new);

            %第三层循环:
            for k = 1:position_split
                img_oldfile = [dir_path,'/',dir_list(i).name,'/',dir_sub1_list(j).name,'/',dir_sub2_list(list_move(k)).name];

                img_newfile = [dir_path_new];

                copyfile(img_oldfile,img_newfile);

            end
        end
    end

end
  • 3
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
以下是一个简单的示例代码,用于在Matlab中预处理NSL-KDD数据集并使用CNN模型进行训练。请注意,此处只提供了基本框架,您可能需要根据您的具体数据集和模型进行适当的更改和调整。 ``` % 加载数据集 load('kddcup_data.mat') % 对数据进行预处理 X = zscore(kddcup_input); % 标准化输入数据 Y = kddcup_output; % 获取输出标签 % 将数据集分割成训练集和测试集 [trainInd,testInd] = dividerand(size(X,1),0.7,0.3); X_train = X(trainInd,:); Y_train = Y(trainInd,:); X_test = X(testInd,:); Y_test = Y(testInd,:); % 构建CNN模型 layers = [ imageInputLayer([1 41 1]) convolution2dLayer([1 3],32) reluLayer maxPooling2dLayer([1 2],'Stride',[1 2]) fullyConnectedLayer(64) reluLayer fullyConnectedLayer(5) softmaxLayer classificationLayer]; % 设置训练选项 options = trainingOptions('sgdm', ... 'MaxEpochs',20, ... 'MiniBatchSize',128, ... 'InitialLearnRate',0.001, ... 'Shuffle','every-epoch', ... 'ValidationData',{X_test,Y_test}, ... 'ValidationFrequency',30, ... 'Verbose',false, ... 'Plots','training-progress'); % 训练模型 net = trainNetwork(X_train,Y_train,layers,options); % 测试模型 Y_pred = classify(net,X_test); accuracy = sum(Y_pred == Y_test)/numel(Y_test); disp(['测试集准确率为:',num2str(accuracy)]) ``` 请注意,此代码假设您已经将NSL-KDD数据集加载到名为“kddcup_data.mat”的MAT文件中,并且该文件包含名为“kddcup_input”和“kddcup_output”的输入和输出数据。如果您的数据集名称不同,请相应地更改代码。 此外,此代码使用了一个非常简单的CNN模型,您可能需要根据您的数据集和任务的特定要求进行更改和调整。此代码还假设您已经安装了Deep Learning Toolbox并熟悉其基本概念和操作。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

微风❤水墨

你的鼓励是我最大的动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值