yingzi的技术博客

simulate2020625数据集clear;clcload simulate2020625;k=max(subcluster(:,3));%设置聚类数目data = subcluster(:,1:2);cata = subcluster;[m,n]=size(data);c1=subcluster(:,3);c1=c1';%% 实际聚类图figure(1);plot(cata(cata(:,3)==1,1),cata(cata(:,3)==1,2),'r*')hold on

机器学习的实验课要求自编写一份简易的标准BP（神经网络）算法,我用matlab基本实现了，现将自己的思想记录下来，方便自己以后重温.话不多说，让我们进入正题简要介绍神经网络中最基本的成分是神经元模型,先简单提一个最简单的神经元模型M-P神经元模型该神经元模型有两层：输入层,输出层。其中输入层包含 n 个神经元,输出层包含 1 个神经元。输入信号通过连接的权重wiw_iwi​到达输出神经元,总接收的输入值与阀值θ\thetaθ进行比较,然后通过"激活函数"处理以产生神经元的输出。这里介绍一个最具

现代优化算法——遗传算法（GA）1.遗传算法的基本介绍：遗传算法，由达尔文进化论的自然选择和遗传传机理的生物进化构成的计算模拟模型，优胜劣汰的进化机制。自然的进化包括选择，交叉，变异等，保证了种群最优。1.1编码与解码（1）编码假设某一参数的取值范围是[u_min,u_max],用长度为λ的二进制编码符号串来表示该参数，则它总共能够产生2^λ种不同的编码，参数编码时的对应关系如下：000…000=0 u_min000…001=1

课后习题3.3,编程实现对率回归，并给出西瓜数据集3.0 a\ a a上的结果由公式（3.23）、（3.29）、（3.30）、（3.31）进行公式带入，实现matlab的算法如下：clear;clctic%初始数据集x=[0.697 0.460 0.774 0.376 0.634 0.264 0.608 0.318 0.556 0.215 0.403 0.237 0.481 0.149 0.437 0.211

matlab算法实现：## 标题

MATLAB中BP神经网络的重要函数和基本功能newff()功能:建立一个前向BP网络格式：net = newff(PR,[S1,S2,…,SN],{TF1,TF2,…TFN},BTF,BLF,PF)详细说明：net：为创建的新的BP神经网络;PR：Rx2维,为网络输入向量取值范围的矩阵;[S1,S2,...SN]：表示网络隐含层和输出层神经元的个数;{TF1,TF2...,TFN}：表示网络隐含层和输出层的传输函数,默认为"tansig";BTF：表示网络的训练函数,默认为"tans