回归函数的神经网络
2视图(30天)
显示旧的评论
我写代码为神经网络为我的项目,但我找不到回归函数。我的代码;
输入= initial1 ';
目标=输出';
hiddenLayerSize = 6;
网= fitnet (hiddenLayerSize);
net.inputs {1}。processFcns = {“removeconstantrows”,“mapminmax”};
net.outputs {2}。processFcns = {“removeconstantrows”,“mapminmax”};
网。divideFcn =“dividerand”;
网。divideMode =“样本”;
samplenet.divideParam。trainRatio = 80/100;
net.divideParam。valRatio = 15/100;
net.divideParam。testRatio = 5/100;
网。trainFcn =“trainbr”;%贝叶斯正则化
网。performFcn =mse的;%均方误差
网。plotFcns = {“plotperform”,“plottrainstate”,“ploterrhist”,…
“plotregression”,“plotfit”};
(净,tr) =火车(净、输入目标);
输出=净(输入);
错误= gsubtract(目标,输出);
性能=执行(净,目标,输出)
- 我的网络运行没有错误。但是找不到回归的变量。
接受的答案
格雷格·希斯
2012年5月15日
一般来说,是没有办法“每个变量的函数”。
如果你改变一个变量与其他变量固定,结果取决于特定组合的固定值。
有N个I-dimensional输入数据的组合。如果你把每个输入向量,张变量固定和改变剩余1 /范围,你会得到N单变量的不同功能。策划N的函数在一个阴谋可能不会产生足够的视觉信息是值得的。这样做对每个变量可能不是很enlightning。
然而,有很多方法来估计每个变量的相对重要性。例如,您可以争夺的N值单变量和记录产生的错误。重复这个数字(10 ? 20 ? 30 ?)时间和记录的汇总统计数据(例如,最小/中值/说/ std / max)的均方误差。
我的排名变量的均值和中位数应该产生一个合理的理解每个变量的重要性。希望这个有帮助。
格雷格