数据挖掘 实验七.docVIP

BP神经网络在肺癌分类中应用 实验目的 用BP神经网络算法，对三类肺癌的样本通过MATLAB软件进行模拟仿真，进行分类。通过这个实例熟悉BP神经网络算法和MATLAB软件的使用。 二、实验步骤 下载肺癌数据，使用MATLAB软件进行模拟仿真 数据预处理--对用“？”表示的数据统一用“0”填充 输入算法的代码 4、调试 三、代码分析 clc;clear;%清屏的作用 %读取数据 data=dlmread(lung-cancer.data,,); %把data分为目标向量和预测向量 %T0为目标向量，取数据矩阵的每行第一列数据 T0=data(:,1); %P0为预测向量,取数据矩阵每行从第二列开始的数据 P0=data(1:32,2:57); %把目标值离散分离变量 for i=1:32 temp=T0(i,:); if mod(temp(1),3)==1 T(i,:)=[1,0,0]; elseif mod(temp(1),3)==2 T(i,:)=[0,1,0]; elseif mod(temp(1),3)==0 T(i,:)=[0,0,1]; end end T; T=T; P=P0 %将创建一个三层前馈神经网路。它的输入向量是minmax(P)，第一层有56个神经元(56)，第二层有10个神经元(10)第三层输出层有3个神经元（3）。第一层与第二层的传递函数是tansig，输出层的传递函数是purelin。训练函数是traingdm,traingdm代表梯度下降法。 net=newff(minmax(P),[56,10,3],{tansig,tansig,purelin},traingdm); %由于每次创建网络时，其权值与阈值不同，所以初始化网络 net=init(net); %设置训练次数 net.trainParam.epochs=1000; %设定可接受的误差范围 net.trainParam.goal=0.03; %进行训练得出权值的最优值 net=train(net,P,T); %进行仿真，把P中的数据代入训练后的模型 net中 A = sim(net,P); E = T - A; MSE=mse(E); %得到的预测值 out=sim(net, P ); %得到10行2列的小数， z=out %得到结果矩阵 result=[]; for k=1:32 %[C，I]是result数组的索引号，I为输出神经元中最大的那个数的索引号。 [C,I]=max(z(k,:)); %result里面存放的是1、2。用于和T0比较 result=[result;I]; end %计算正确率 total=0; for i=1:32 if T0(i,:)==result(i,:)%把T0和result的每个数据进行比较 total=total+1; end end disp(正确率为:); total/32 实验数据以及结果 点击窗口 可以选择显示不同的视图 点击“Performance”,显示的视图 点击”Traning State”显示的视图为：