数据挖掘实验（一）BP神经网络实验指导书29.docVIP

BP神经网络实验报告 姓名：黎炳良 班级：通信7班 学号：20123100005 一、实验目的 初步熟悉MATLAB 工作环境，熟悉命令窗口，学会使用帮助窗口查找帮助信息。 二、 实验内容 1、网络设计，包括输入层、隐含层、输出层节点个数的设计。 2、算法步骤 3、编程，注意原始数据的通用化，数据输入的随机性。 4、网络训练，注意训练数据与验证数据分开。 5、网络验证 6、结果分析，修改隐含层节点个数，修改学习率，分别对结果的影响。 三 、实验数据 本实验以Fisher的Iris数据集作为神经网络程序的测试数据集。Iris数据集可以在/wiki/Iris_flower_data_set? 找到。Iris数据集Iris花可分为3个品种，现需要对其进行分类。不同品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度会有差异。现有一批已知品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度的数据。用已有的数据训练一个神经网络用作分类器。 神经网络实现? ? 1. 数据预处理? ?????? 在训练神经网络前一般需要对数据进行预处理，一种重要的预处理手段是归一化处理。下面简要介绍归一化处理的原理与方法。 (1) 什么是归一化？? 数据归一化，就是将数据映射到[0,1]或[-1,1]区间或更小的区间，比如(0.1,0.9) 。 (2) 为什么要归一化处理？? 1输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经网络收敛慢、训练时间长。 2数据范围大的输入在模式分类中的作用可能会偏大，而数据范围小的输入作用就可能会偏小。 3由于神经网络输出层的激活函数的值域是有限制的，因此需要将网络训练的目标数据映射到激活函数的值域。例如神经网络的输出层若采用S形激活函数，由于S形函数的值域限制在(0,1)，也就是说神经网络的输出只能限制在(0,1)，所以训练数据的输出就要归一化到[0,1]区间。 4S形激活函数在(0,1)区间以外区域很平缓，区分度太小。例如S形函数f(X)在参数a=1时，f(100)与f(5)只相差0.0067。 (3) 归一化算法? 　　一种简单而快速的归一化算法是线性转换算法。线性转换算法常见有两种形式： ?????? 1 y = ( x - min )/( max - min ) 　　其中min为x的最小值，max为x的最大值，输入向量为x，归一化后的输出向量为y 。上式将数据归一化到 [ 0 , 1 ]区间，当激活函数采用S形函数时（值域为(0,1)）时这条式子适用。 ?????? 2 y = 2 * ( x - min ) / ( max - min ) - 1 ?????? 这条公式将数据归一化到 [ -1 , 1 ] 区间。当激活函数采用双极S形函数（值域为(-1,1)）时这条式子适用。 (4) Matlab数据归一化处理函数? 　　Matlab中归一化处理数据可以采用premnmx ， postmnmx ， tramnmx 这3个函数。 1 premnmx 语法：[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t) 参数： pn： p矩阵按行归一化后的矩阵 minp，maxp：p矩阵每一行的最小值，最大值 tn：t矩阵按行归一化后的矩阵 mint，maxt：t矩阵每一行的最小值，最大值 作用：将矩阵p，t归一化到[-1,1] ，主要用于归一化处理训练数据集。 2 tramnmx 语法：[pn] = tramnmx(p,minp,maxp) 参数： minp，maxp：premnmx函数计算的矩阵的最小，最大值 pn：归一化后的矩阵 作用：主要用于归一化处理待分类的输入数据。 3 postmnmx 语法： [p,t] = postmnmx(pn,minp,maxp,tn,mint,maxt) 参数： minp，maxp：premnmx函数计算的p矩阵每行的最小值，最大值 mint，maxt：premnmx函数计算的t矩阵每行的最小值，最大值 作用：将矩阵pn，tn映射回归一化处理前的范围。postmnmx函数主要用于将神经网络的输出结果映射回归一化前的数据范围。 2. 使用Matlab实现神经网络? 使用Matlab建立前馈神经网络主要会使用到下面3个函数： newff ：前馈网络创建函数 train：训练一个神经网络 sim ：使用网络进行仿真 ?下面简要介绍这3个函数的用法。 (1) newff函数 1newff函数语法? ?????? newff函数参数列表有很多的可选参数，具体可以参考Matlab的帮助文档，这里介绍newff函数的一种简单的形式。 语法：net = newff ( A, B, {C} ,‘tr