基于BP神经网络的分类

背景

使用的是一个简单的数据集fisheriris，该数据集数据类别分为3类，setosa，versicolor，virginica。每类植物有50个样本，共150个样本代表150朵花瓣。每个样本有4个属性，分别为花萼长，花萼宽，花瓣长，花瓣宽。其中meas是150*4的矩阵代表着有150个样本每个样本有4个属性描述，species代表着这150个样本的分类。

实验测试

原始的数据集中的标签格式如下所示：

setosa

setosa

versicolor

versicolor

virginica

virginica

为了能够进行在BP神经网络训练时更好的进行处理，首先使用MATLAB将以上字符串标签更改为数字标签，其中setosa对应于数字1，versicolor对应于数字2，virginica对应于数字3。

然后使用MATLAB建立的神经网络结构，其中神经网络的输入值个数为3个，隐含层的个数为4层。神经网络训练参数的设置分别为：最大迭代次数1000次，训练的目标为10-3，学习率设置为0.01。