matlab建模(下)

1.神经网络之感知机

• 感知机(就是根据大量数据训练出的模型，从而用于二分类的线性分类模型

   	例题:景区规定14周岁以下的儿童可买半价票。但儿童往往没有身份证，难以准确判断年龄，
   	如何 根据一个人的身高和体重，判断其是否可以买半价票。
   
   	生物学的神经网络
   		。 神经元的树突收到输入信号(人眼看到屏幕上的光信号)
   		。 信号刺激细胞核，达到一定的阈值后会产生输出
   		。 该输出就是进一步的信号，继续传到下一个神经元
   	感知机模型: 最简单的神经网络
   		。 输入层:输入身高x1,和体重数据x2,相当于神经元接受2个输入信号
   		。 激活函数f:综合判断输入信号是否达到阈值
   		。输出层: 激活函数f就在输出层，求得的函数值就是输出值y
  

• 模型的建立，就是把题目"翻译"成数学语言

• 分析: 综合考虑身高(x1),和体重(x2),判断此人是否达到了14周岁(阈值b)

   。结果只能"未达到"和“达到"两种情况，可分别用0和1代表
   。函数值只有0和1，可用阶跃函数作为激活函数(激活函数还有sigmoid函数等)
   。阶跃函数: f(t) = if(t>=0){f(t)=1} else {f(t)=0}
   。1.怎么实现"综合考虑"？
   		.线性求和∑wixi(权重wi代表变量xi的重要性)
   		.求和意味着身高和体重(即所有变量)都考虑到了，即"综合考虑"
   		.初始时，权重wi的数值需要根据查文献或常识经验确定。
   。2. 如何根据"综合考虑"的结果进行判断?
   		.”判断标准",就是线性求和与阈值的差值，该差值作为激活函数的自变量
   		.设阈值为b，激活函数的自变量为t = ∑wixi - b。差值越大(t越大),越容易判断。
   。3. 输出结果/题目答案
   		.某种情况:t=∑wixi - b>=0 <==>   f(t) =1 <==> "综合考虑"身高和体重超过了"阈值"
   		.感知机输出值为1，则判定此人达到了14周岁
  

• 模型
  

• 学习本质:不断地更改权重wi,使得模型求出的预测值尽可能地接近真实值

  • Step1:模型初始化，人为主观地设置权重wi(查文献、靠经验)
  • Step2:搜集大量地身高x1,体重x2和是否达到14周岁y地数据，作为训练数据集
  • Step3:将x1和x2带入模型，求得估计值y^
  • Step4:将估计值y^与实际值y比较，差别越小越好
  • Step5:若未满足终止条件，则继续对权重wi进行优化，得到新的wi,再重复Step3
  • 终止条件:估计值和实际值地差别小到一定程度为止

• 问题转化为:如何对权重wi进行优化?
  感知机的优化方法:将wi改为wi+^wi = wi + n(y-y^)xi
  n属于(0,1),通常设为0.1，称为学习率。n过大容易震荡，过小则收敛速度太慢
  当达到终止条件后，此时的wi就作为模型的权重，模型就彻底建好了。

2.层次分析法(AHP)