螃蟹分类

问题：螃蟹的分类

在此示例中，我们尝试构建一个可根据螃蟹的物理测量值识别螃蟹性别的分类器。我们将考虑螃蟹的六个物理特征：品种、前鳌、背宽、长度、宽度和厚度。现有问题是根据这 6 个物理特征的观测值识别螃蟹的性别。

为什么使用神经网络？

神经网络已证明是成熟的分类器，特别适合处理非线性问题。鉴于真实情况（如螃蟹分类）的非线性特性，神经网络无疑是解决该问题的优选方案。

六个物理特征将作为神经网络的输入，螃蟹的性别将成为目标。根据由螃蟹的六个物理特征观测值构成的输入，神经网络应识别出螃蟹是雄性还是雌性。

这通过将先前记录的输入提交给神经网络，然后调整网络以产生期望的目标输出来实现。此过程称为神经网络训练。

准备数据

通过将数据组织成两个矩阵（输入矩阵 X 和目标矩阵 T）来为神经网络设置分类问题的数据。

输入矩阵的每个第 i 列将具有六个元素，表示螃蟹的品种、前鳌、背宽、长度、宽度和厚度。

目标矩阵的每个对应列将具有两个元素。第一个元素中的一表示雌蟹，第二个元素中的一表示雄蟹。（所有其他元素均为零。）

使用以下命令加载该数据集。

[x,t] = crab_dataset;
size(x)

ans = 1×2

     6   200

size(t)

ans = 1×2

     2   200

构建神经网络分类器

下一步是创建一个学习识别螃蟹性别的神经网络。

由于神经网络以随机初始权重开始，因此该示例的结果在每次运行时都会略有不同。我们设置了随机种子来避免这种随机性。但这对于您自己的应用情形并不是必需的。

setdemorandstream(491218382)

双层（即，一个隐藏层）前馈神经网络可以学习任何输入-输出关系，前提是隐藏层中有足够的神经元。非输出层称为隐含层。

对于此示例，我们将尝试具有 10 个神经元的单隐藏层。一般情况下，问题越困难，需要的神经元和层就越多。问题越简单，需要的神经元就越少。

输入和输出的大小为 0，因为网络尚未配置成与我们的输入数据和目标数据相匹配。这将在训练网络时进行。

net = patternnet(10);
view(net)

现在网络已准备就绪，可以开始训练。样本自动分为训练集、验证集和测试集。训练集用于对网络进行训练。只要网络针对验证集持续改进，训练就会继续。测试集提供完全独立的网络准确度测量。

[net,tr] = train(net,x,t);

要查看在训练过程中网络性能的改善情况，请点击训练工具中的 Performance 按钮，或调用 PLOTPERFORM。

性能以均方误差衡量，并以对数刻度显示。随着网络训练的加深，均方误差迅速降低。

绘图会显示训练集、验证集和测试集的性能。

plotperform(tr)

测试分类器

现在可以使用测试样本测试经过训练的神经网络。这将使我们能够了解网络在应用于真实数据时表现如何。

网络输出的范围为 0 到 1，因此我们可以使用 vec2ind 函数根据每个输出向量中最高元素的位置来获取类索引。

testX = x(:,tr.testInd);
testT = t(:,tr.testInd);

testY = net(testX);
testIndices = vec2ind(testY)

testIndices = 1×30

     2     2     1     1     2     2     1     2     2     2     1     2     2     2     2     2     1     1     2     2     2     1     2     2     1     2     1     1     1     1

衡量神经网络数据拟合程度的一个方法是混淆矩阵图。下面绘制了所有样本的混淆矩阵图。

该混淆矩阵显示了正确和错误分类的百分比。正确分类表示为矩阵对角线上的绿色方块。错误分类表示为红色方块。

如果网络已学会正确分类，则红色方块中的百分比应该非常小，表示几乎没有错误分类。

如果不是这样，则建议进一步进行训练，或训练具有更多隐藏神经元的网络。

plotconfusion(testT,testY)

以下是正确和错误分类的总体百分比。

[c,cm] = confusion(testT,testY)

c = 
0

cm = 2×2

    12     0
     0    18

fprintf('Percentage Correct Classification   : %f%%\n', 100*(1-c));

Percentage Correct Classification   : 100.000000%

fprintf('Percentage Incorrect Classification : %f%%\n', 100*c);

Percentage Incorrect Classification : 0.000000%

衡量神经网络数据拟合程度的另一个方法是受试者工作特征图。该图可显示随着输出阈值从 0 变为 1，假正率和真正率之间的相关性。

线条越偏向左上方，达到高的真正率所需接受的假正数越少。最佳分类器是线条从左下角到左上角再到右上角，或接近于该模式。

plotroc(testT,testY)

此示例说明了如何使用神经网络对螃蟹进行分类。

请浏览其他示例和文档，以便更深入地了解神经网络及其应用。