辛烷值预测为例
%% I. 清空环境变量
clear all
clc
%% II. 训练集/测试集产生
%%
% 1. 导入数据
load NIR.mat
load octane.mat
load new_x.mat
%%
% 2. 随机产生训练集和测试集
temp = randperm(size(NIR,1));
% 训练集——40个样本
P_train = NIR(temp(1:40),:)';
T_train = octane(temp(1:40),:)';
% 测试集——10个样本
P_test = NIR(temp(41:end),:)';
T_test = octane(temp(41:end),:)';
N = size(P_test,2);
%% III. RBF神经网络创建及仿真测试
%%
% 1. 创建网络
net = newrbe(P_train,T_train,0.055); %这里spread设置为30 每次都不太一样,可以自行调试到理想状态,一般使用0.001-0.009或者0.01-0.09 这个区间试验
% 2. 仿真测试
T_sim = sim(net,P_test);
%% IV. 性能评价
%%
% 1. 相对误差error
error = abs(T_sim - T_test)./T_test;
%%
% 2. 决定系数R^2
R2 = (N * sum(T_sim .* T_test) - sum(T_sim) * sum(T_test))^2 / ((N * sum((T_sim).^2) - (sum(T_sim))^2) * (N * sum((