14、神经网络数据划分、正则化及自定义网络构建

神经网络数据划分、正则化及自定义网络构建

1. 数据划分方法

在神经网络训练中，合理划分数据是非常重要的，常见的数据划分方法有以下几种：
- 随机数据划分（dividerand） ：
- 该函数不仅能划分输入数据，还会返回索引，方便我们使用 divideind 函数对目标数据进行相应划分。
- 示例代码：

[trainP,valP,testP,trainInd,valInd,testInd] = dividerand(p);
[trainT,valT,testT] = divideind(t,trainInd,valInd,testInd);

• 块数据划分（divideblock） ：
  • 可以将输入数据随机划分，使前 60%的样本分配到训练集，接下来 20%分配到验证集，最后 20%分配到测试集。
  • 示例代码：

[trainP,valP,testP,trainInd,valInd,testInd] = divideblock(p);
[trainT,valT,testT] = divideind(t,trainInd,valInd,testInd);

• 交错数据划分（divideint） ：