Matlab probablistic neural network-优快云博客

本文介绍Matlab中newpnn函数的使用方法，并通过UCI的iris数据集进行实战演示。文章详细解释了参数含义，包括样本数、类数及特征数等，并给出了一段完整的示例代码用于说明如何应用此函数实现分类任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

matlab中有newpnn这样一个函数，不过help里说的不够清楚，help里是这么说的

% net = newpnn(P,T,spread) takes two or three arguments, P
% R-by-Q matrix of Q input vectorsT
% S-by-Q matrix of Q target class vectors spread
% Spread of radial basis functions (default = 0.1)

其实这里 Q 是样本数, S 类数（即训练数据有几个类号）, R 特征数

给一个可以跑得通的样例，用UCI的iris数据，把类号从字符串转为1，2，3，可以在这里下载

load bezdekIris.data
[row, col] = size(bezdekIris);
indices = crossvalind('HoldOut', row, 0.2);%hold out 20% for test, there are 120 logical '1' in indices
trains = bezdekIris(indices,:);
tests = bezdekIris(~indices,:);
% net = newpnn(P,T,spread) takes two or three arguments, P
% R-by-Q matrix of Q input vectorsT 
% S-by-Q matrix of Q target class vectors spread 
% Spread of radial basis functions (default = 0.1)
% Q is num of samples, S is num of classes, R is num of features
net = newpnn(trains(:,1:col-1)',ind2vec(trains(:,end)'),0.1);
%和通常的分类器不一样，这里的第一个参数要求每一列是一个样本，所以要转置，而且第二个参数也不能直接给一个类号的向量
%要用ind2vec转换一下
Y = sim(net,tests(:,1:col-1)');
predictions = vec2ind(Y);
fprintf('accuracy is %f\n', sum(tests(:,end) == predictions') / size(tests, 1))