BP 神经网络进行回归拟合后，如何进行数据预测。

2023 5 17
1 个回答
回答已采纳
更新时间：2023 5 17
12 次查看（30 天）

0 个投票

MATLAB新手，刚刚网课学习到BP神经网络的回归拟合，用回归拟合后，如何代入进行下一数据的预测
matlab版本R2019B
以下为完成回归拟合代码。
clear
clc
导入数据
load practice_data.mat
随机产生训练集和测试集
temp = randperm(size(NIR,1));
训练集——50个样本
P_train = NIR(temp(1:50),:)';
T_train = octane(temp(1:50),:)';
测试集——10个样本
P_test = NIR(temp(51:end),:)';
T_test = octane(temp(51:end),:)';
N = size(P_test,2);
数据归一化
[p_train, ps_input] = mapminmax(P_train,0,1);
p_test = mapminmax('apply',P_test,ps_input);
[t_train, ps_output] = mapminmax(T_train,0,1);
创建网络
net = newff(p_train,t_train,9);
设置训练参数
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
net.trainParam.lr = 0.01;
训练网络
net = train(net,p_train,t_train);
仿真测试
t_sim = sim(net,p_test);
数据反归一化
T_sim = mapminmax('reverse',t_sim,ps_output);
相对误差error
error = abs(T_sim - T_test)./T_test;
决定系数R^2
R2 = (N * sum(T_sim .* T_test) - sum(T_sim) * sum(T_test))^2 / ((N * sum((T_sim).^2) - (sum(T_sim))^2) * (N * sum((T_test).^2) - (sum(T_test))^2));
结果对比
result = [T_test' T_sim' error']
绘图
figure
plot(1:N,T_test,'b:*',1:N,T_sim,'r-o')
legend('真实值','预测值')
xlabel('预测样本')
ylabel('商家需求值')
string = {'测试集商家需求值含量预测结果对比';['R^2=' num2str(R2)]};
title(string)
坐到目前为止，不知如何进行预测

请先登录，再回答此问题。

 采纳的回答

0 个投票

按个人理解
t_sim = sim(net,p_test);里的p_test换为新数据，即可进行对应预测
仅供参考

更多回答（0 个）

类别

在 帮助中心 和 File Exchange 中查找有关 Creating and Concatenating Matrices 的更多信息

标签

Community Treasure Hunt

Find the treasures in MATLAB Central and discover how the community can help you!

Start Hunting!