matlab RBF神经网络对iris鸢尾花数据集进行分类

1、内容简介

略
601-可以交流、咨询、答疑

2、内容说明

iris以鸢尾花的特征作为数据来源，数据集包含150个数据集，分为3类（setosa,versicolor, virginica），每类50个数据，每个数据包含4个属性。每一个数据包含4个独立的属性，这些属性变量测量植物的花朵（比如萼片和花瓣的长度等）信息。要求以iris数据为对象，来进行不可测信息（样本类别）的估计。以每一类前30个数据作为学习样本，以后20个样本作为测试样本，对样本进行估计，并和实际结果作比较，使用了RBF神经网络。

一、RBF神经网络

Radialbasis function（径向基函数），径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是Φ（x）=Φ(‖x‖),或者还可以是到任意一点c的距离，c点成为中心点，也就是Φ（x，c）=Φ(‖x-c‖)。任意一个满足Φ（x）=Φ(‖x‖)特性的函数Φ都叫做径向量函数，标准的一般使用欧氏距离，尽管其他距离函数也是可以的。RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。

RBF(Radial Basis Function)可以看作是一个高维空间中的曲面拟合(逼近)问题，学习是为了在多维空间中寻找一个能够最佳匹配训练数据的曲面，然后来一批新的数据，用刚才训练的那个曲面来处理(比如分类、回归)。RBF的本质思想是反向传播学习算法应用递归技术，这种技术在统计学中被称为随机逼近。RBF里的basis function(径向基函数里的基函数)就是在神经网络的隐单元里提供了提供了一个函数集，该函数集在输入模式（向量）扩展至隐空间时，为其构建了一个任意的“基”。这个函数集中的函数就被称为径向基函数。很明显，RBF属于神经网络领域的东西，所以像很多神经网络一样，其结构由：输入层、隐层、输出层三层组成。

3、仿真分析

figure
plot(YValidation,'r+');
ylabel('label');
hold on;
plot(output,'b*');
hold off;
legend({'Target','Output'})
ylim([0 4])
figure
plot(YValidation,'r');
ylabel('label');
hold on;
plot(output,'b');
hold off;
legend({'Target','Output'})
ylim([0 4])error = YValidation-output;
figure
bar(error)
title('error')
ylim([-1.2 1.2])
figure
plot(error)
title('error')
ylim([-1.2 1.2])
correcr_rate = length(error(error==0))/length(YValidation)*100;
disp(['预测准确率： ', num2str(correcr_rate), ' % '])

4、参考论文

略

matlab RBF神经网络对iris鸢尾花数据集进行分类相关推荐

ML之DT：利用DT(DTC)实现对iris(鸢尾花)数据集进行分类并可视化DT结构
ML之DT:利用DT(DTC)实现对iris(鸢尾花)数据集进行分类并可视化DT结构目录输出结果实现代码输出结果实现代码 #1. iris = load_iris() dir(iris)ir ...
基于逻辑回归模型对鸢尾花数据集进行分类
基于逻辑回归模型对鸢尾花数据集进行分类理论知识不做过多赘述,相关知识有:指数分布族.GLM建模(分布函数+连接函数,对于本例来说是二项分布+sigmoid函数).最大似然函数.交叉熵函数(评估逻辑 ...
数据挖掘算法和实践（二）：决策树（iris鸢尾花数据集）
决策树是直观运用概率分析的树形分类器,是很常用的分类方法,属于监管学习,决策树分类过程是从根节点开始,根据特征属性值选择输出分支,直到到达叶子节点,将叶子节点存放的类别作为决策结果. 比如说买瓜的时候 ...
2021-03-09 Matlab RBF神经网络及其实例
Matlab RBF神经网络及其实例 RBF神经网络和BP神经网络的区别就在于训练方法上面:RBF的隐含层与输入层之间的连接权值不是随机确定的,是有一种固定算式的.下面以精确型RBF为例. 假设每个样 ...
ML之mlxtend：基于iris鸢尾花数据集利用逻辑回归LoR/随机森林RF/支持向量机SVM/集成学习算法结合mlxtend库实现模型可解释性(决策边界可视化)
ML之mlxtend:基于iris鸢尾花数据集利用逻辑回归LoR/随机森林RF/支持向量机SVM/集成学习算法结合mlxtend库实现模型可解释性(决策边界可视化) 目录相关文章 ML之mlxten ...
matlab鸢尾花数据线性分析,Iris鸢尾花数据集可视化、线性回归、决策树分析、KMeans聚类分析...
数据集可视化采用Python的Sklearn机器学习库中自带的数据集--鸢尾花数据集.简单分析数据集之间特征的关系图,根据花瓣长度.花瓣宽度.花萼长度.花萼宽度四个特征进行绘图 Iris plant ...
（决策树，朴素贝叶斯，人工神经网络）实现鸢尾花数据集分类
from sklearn.datasets import load_iris # 导入方法类iris = load_iris() #导入数据集iris iris_feature = iris.data ...
Iris鸢尾花数据集可视化、线性回归、决策树分析、KMeans聚类分析
在进行可视化及聚类分析前,我们需要为IDLE安装sklearn库,scikit-learn是Python的一个开源机器学习模块,它建立在NumPy,SciPy和matplotlib模块之上能够为用户提 ...
Iris鸢尾花数据集的逻辑回归分析
逻辑回归分析(Logistic Regression)是一种用于解决二分类(0 or 1)问题的机器学习方法,是一种广义的线性回归分析模型. 逻辑回归的原理是在线性回归的基础上加了一个Sigmoid函 ...

matlab RBF神经网络对iris鸢尾花数据集进行分类

matlab RBF神经网络对iris鸢尾花数据集进行分类相关推荐

最新文章

热门文章