本人现有18组数据作为样本,每组数据由108个输入节点和1个输出节点,现在想通过BP神经网络方法建立一下这108个输入节点与1个输出节点的关联,因为样本只有18组,所以选择10折交叉验证划分数据集,写了个代码,不确定对不对,还请各位高手不吝赐教,谢谢!
data=xlsread ('test2.xlsx','Sheet1','A1:R109'); %读取数据
[m,n]=size(data); %data为样本集合。每一行为一个观察样本
indices = crossvalind('Kfold',n,10); %产生10个fold,即indices里有等比例的1-10
for i=1:10
test=(indices==i); %逻辑判断,每次循环选取一个fold作为测试集
train111=~test; %取test的补集作为训练集,即剩下的9个fold
data_train=data(:,train111); %以上得到的数都为逻辑值,用与样本集的选取
data_test=data(:,test); %同理选取测试集的样本和标签
input_train=data_train(1:108,:);
output_train=data_train(109,:);
input_test=data_test(1:108,:);
output_test=data_test(109,:);
[inputn, inputps]=mapminmax (input_train); %归一化
[outputn, outputps]=mapminmax (output_train); %归一化
net=newff (inputn, outputn,15,{'tansig','purelin'},'trainrp');
net.trainParam.show=50; %显示训练迭代过程
net.trainParam.epochs=1000; %最大训练次数
net.trainParam.lr=0.01; %学习率
net.trainParam.goal=0.001; %训练要求精度
net=train(net,inputn,outputn); %网络训练
W1=net.iw{1,1}; %输入层到中间层的权值
B1=net.b{1}; %中间各层神经元阈值
W2=net.lw{2,1}; %中间层到输出层的权值
B2=net.b{2}; %输出层各神经元阈值
inputn_test=mapminmax('apply', input_test, inputps); %预测数据归一化
an=sim(net, inputn_test); %网络预测输出
BPoutput=mapminmax ('reverse', an, outputps); %网络输出反归一化
error = abs(BPoutput - output_test)./output_test; %BP网络预测误差
end
X=sim(net,inputn); %利用得到的神经网络仿真
plot(X,'b') %预测曲线
hold on
plot(outputn,'*') %实际曲线点