数据挖掘实验（一）BP神经网络实验指导书38.pdfVIP

BP 神经网络实验 学生姓名 江嘉和 学 号 20123100089 专 业 通信工程 年级、班级 12 通信工程 7 班 课程名称 数据仓库与数据挖掘 实验项目 BP 神经网络 实验类型 □ √验证 □设计 □综合 实验时间 2015 年 4 月 27 日 实验指导老师 胡晓晖老师 实验评分 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。也可以在 UCI 数据集中下载。 Iris 数据集中 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。要求用已有的数据 训练一个神经网络用作分类器。 四、神经网络实现 1、将 Iris 数据集分为 2 组，每组各 75 个样本，每组中每种花各有 25 个样 本。其中一组作为以上程序的训练样本，另外一组作为检验样本。为了方便训练， 将 3 类花分别编号为 1，2，3 。 2、使用这些数据训练一个 4 输入 （分别对应 4 个特征），3 输出 （分别对 应该样本属于某一品种的可能性大小）的前向网络。 3、Matlab 程序如下： % 读 取 训 练 数 据 [f1,f2,f3,f4,class] = textread(trainData.txt , %f%f%f%f%f,150); %特征值归一化 [input,minI,maxI] = premnmx( [f1 , f2 , f3 , f4 ]) ; %构造输出矩阵 s = length( class) ; output = zeros( s , 3 ) ; for i = 1 : s output( i , class( i ) ) = 1 ; end %创建神经网络 net = newff( minmax(input) , [10 3] , { logsig purelin } , traingdx ) ; %设置训练参数 net.trainparam.show = 50 ; net.trainparam.epochs = 500 ; net.trainparam.goal = 0.01 ; net.trainParam.lr = 0.01 ; %开始训练 net = train ( net, input , output ) ; %读取测试数据 [t1 t2 t3 t4 c] = textread(testData.txt , %f%f%f%f%f,150); %测试数据归一化 testInput = tramnmx ( [t1,t2,t3,t4] , minI, maxI ) ; %仿真 Y = sim( net , testInput )