基于MATLAB的BR神经网络交叉验证实践

最新推荐文章于 2024-10-21 16:07:01 发布

乐乐的笔记屋

最新推荐文章于 2024-10-21 16:07:01 发布

阅读量1.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：交叉验证文章标签：神经网络 matlab

本文链接：https://blog.youkuaiyun.com/Jasonluo8/article/details/119062562

交叉验证专栏收录该内容

2 篇文章

订阅专栏

本文介绍了如何使用MATLAB进行BR神经网络的K-折交叉验证。通过加载数据，设置交叉验证指数，提取训练集和测试集，训练网络并计算均方误差，最终得出交叉验证的均方根误差。代码参考了沙子在流的博文。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于MATLAB的BR神经网络交叉验证实践

在做项目需要对BR神经网络进行K-Flod交叉验证并最终得到结果，于是写了这个代码。

// Author LJS
clear

load allData.mat;

indices = crossvalind('KFold',200,5);
k=0;
record = zeros(1,5);
record2 = zeros(1,5);
record3 = zeros(1,5);
for i=1:5
    k = k+1;
	test1=(indices==k); %结果为逻辑值，每次循环选取一个组作为测试集
	t_rain1=~test1; %取test的补集即为训练集
	Train_Data=allData(t_rain1,:); %提取训练集数据 
	TestData=allData(test1,:); %提取测试集数据
    
    Feature = Train_Data(:,1:13);
    test_Feature = TestData(:,1:13);
    DPP = Train_Data(:,14);
    test_DPP = TestData(:,14);
    
    Feature = Feature';
    test_Feature = test_Feature';
    DPP = DPP';
    test_DPP = test_DPP';
    net1 = feedforwardnet(5, 'trainbr');
    net1.divideFcn = 'dividerand';
    net1.divideParam.testRatio = 0;
    net1.divideParam.valRatio = 0;

    [nets,tr] = train(net1, Feature, DPP);

    predict = nets(test_Feature);
    perf = mse(nets,test_DPP,predict);
    
    record(i) = perf;
    
end

mean_mse = mean(record);
rmse = sqrt(mean_mse);