1 分解代码
- 1.1 循环准备
- 1.2 神经网络构建
- 1.3 数据处理
- 1.4 模型训练参数配置
- 1.5 神经网络实现
- 1.6 精度衡量
- 1.7 保存模型
2 完整代码

在之前的一篇博客（https://blog.csdn.net/zhebushibiaoshifu/article/details/114806478）中，我们对基于MATLAB的随机森林（RF）回归与变量影响程度（重要性）排序代码加以详细讲解与实践。本次我们继续基于MATLAB，对另一种常用的机器学习方法——神经网络方法加以代码实战。
首先需要注明的是，在MATLAB中，我们可以直接基于“APP”中的“Neural Net Fitting”工具箱实现在无需代码的情况下，对神经网络算法加以运行：

基于工具箱的神经网络方法虽然方便，但是一些参数不能调整；同时也不利于我们对算法、代码的理解。因此，本文不利用“Neural Net Fitting”工具箱，而是直接通过代码将神经网络方法加以运行——但是，本文的代码其实也是通过上述工具箱运行后生成的；而这种生成神经网络代码的方法也是MATLAB官方推荐的方式。

另外，需要注意的是，本文直接进行神经网络算法的执行，省略了前期数据处理、训练集与测试集划分、精度衡量指标选取等。因此建议大家先将这一篇博客阅读后，再阅读本文。

本文分为两部分，首先是将代码分段、详细讲解，方便大家理解；随后是完整代码，方便大家自行尝试。

1 分解代码

1.1 循环准备

由于机器学习往往需要多次执行，我们就在此先定义循环。

%% ANN Cycle PreparationANNRMSE=9999;
ANNRunNum=0;
ANNRMSEMatrix=[];
ANNrAllMatrix=[];
while ANNRMSE>400

其中，ANNRMSE是初始的RMSE；ANNRunNum是神经网络算法当前运行的次数；ANNRMSEMatrix用来存储每一次神经网络运行后所得到的RMSE结果；ANNrAllMatrix用来存储每一次神经网络运行后所得到的皮尔逊相关系数结果；最后一句表示当所得到的模型RMSE>400时，则停止循环。

1.2 神经网络构建

接下来，我们对神经网络的整体结构加以定义。

%% ANNx=TrainVARI';
t=TrainYield';
trainFcn = 'trainlm';
hiddenLayerSize = [10 10 10];
ANNnet = fitnet(hiddenLayerSize,trainFcn);

其中，TrainVARI、TrainYield分别是我这里训练数据的自变量（特征）与因变量（标签）；trainFcn为神经网络所选用的训练函数方法名称，其名称与对应的方法对照如下表：

hiddenLayerSize为神经网络所用隐层与各层神经元个数，[10 10 10]代表共有三层隐层，各层神经元个数分别为10，10，10。

1.3 数据处理

接下来，对输入神经网络模型的数据加以处理。

ANNnet.input.processFcns = {'removeconstantrows','mapminmax'};
ANNnet.output.processFcns = {'removeconstantrows','mapminmax'};
ANNnet.divideFcn = 'dividerand';
ANNnet.divideMode = 'sample';
ANNnet.divideParam.trainRatio = 0.6;
ANNnet.divideParam.valRatio = 0.4;
ANNnet.divideParam.testRatio = 0.0;

其中，ANNnet.input.processFcns与ANNnet.output.processFcns分别代表输入模型数据的处理方法，'removeconstantrows'表示删除在各样本中数值始终一致的特征列，'mapminmax'表示将数据归一化处理；divideFcn表示划分数据训练集、验证集与测试集的方法，'dividerand'表示依据所给定的比例随机划分；divideMode表示对数据划分的维度，我们这里选择'sample'，也就是对样本进行划分；divideParam表示训练集、验证集与测试集所占比例，那么在这里，因为是直接用了先前随机森林方法（可以看这篇博客）中的数据划分方式，那么为了保证训练集、测试集的固定，我们就将divideParam.testRatio设置为0.0，然后将训练集与验证集比例划分为0.6与0.4。

1.4 模型训练参数配置

接下来对模型运行过程中的主要参数加以配置。

ANNnet.performFcn = 'mse';
ANNnet.trainParam.epochs=5000;
ANNnet.trainParam.goal=0.01;

其中，performFcn为模型误差衡量函数，'mse'表示均方误差；trainParam.epochs表示训练时Epoch次数，trainParam.goal表示模型所要达到的精度要求（即模型运行到trainParam.epochs次时或误差小于trainParam.goal时将会停止运行。

1.5 神经网络实现

这一部分代码大多数与绘图、代码与GUI生成等相关，因此就不再一一解释了，大家可以直接运行。需要注意的是，train是模型训练函数。

% For a list of all plot functions type: help nnplot
ANNnet.plotFcns = {'plotperform','plottrainstate','ploterrhist','plotregression','plotfit'};
[ANNnet,tr] = train(ANNnet,x,t);
y = ANNnet(x);
e = gsubtract(t,y);
performance = perform(ANNnet,t,y);
% Recalculate Training, Validation and Test Performance
trainTargets = t .* tr.trainMask{1};
valTargets = t .* tr.valMask{1};
testTargets = t .* tr.testMask{1};
trainPerformance = perform(ANNnet,trainTargets,y);
valPerformance = perform(ANNnet,valTargets,y);
testPerformance = perform(ANNnet,testTargets,y);
% view(net)
% Plots
%figure, plotperform(tr)
%figure, plottrainstate(tr)
%figure, ploterrhist(e)
%figure, plotregression(t,y)
%figure, plotfit(net,x,t)
% Deployment
% See the help for each generation function for more information.
if (false)% Generate MATLAB function for neural network for application% deployment in MATLAB scripts or with MATLAB Compiler and Builder% tools, or simply to examine the calculations your trained neural% network performs.genFunction(ANNnet,'myNeuralNetworkFunction');y = myNeuralNetworkFunction(x);
end
if (false)% Generate a matrix-only MATLAB function for neural network code% generation with MATLAB Coder tools.genFunction(ANNnet,'myNeuralNetworkFunction','MatrixOnly','yes');y = myNeuralNetworkFunction(x);
end
if (false)% Generate a Simulink diagram for simulation or deployment with.% Simulink Coder tools.gensim(ANNnet);
end

1.6 精度衡量

%% Accuracy of ANNANNPredictYield=sim(ANNnet,TestVARI')';
ANNRMSE=sqrt(sum(sum((ANNPredictYield-TestYield).^2))/size(TestYield,1));
ANNrMatrix=corrcoef(ANNPredictYield,TestYield);
ANNr=ANNrMatrix(1,2);
ANNRunNum=ANNRunNum+1;
ANNRMSEMatrix=[ANNRMSEMatrix,ANNRMSE];
ANNrAllMatrix=[ANNrAllMatrix,ANNr];
disp(ANNRunNum);
end
disp(ANNRMSE);

其中，ANNPredictYield为预测结果；ANNRMSE、ANNrMatrix分别为模型精度衡量指标RMSE与皮尔逊相关系数。结合本文1.1部分可知，我这里设置为当所得神经网络模型RMSE在400以内时，将会停止循环；否则继续开始执行本文1.2部分至1.6部分的代码。

1.7 保存模型

这一部分就不再赘述了，大家可以参考这篇博客。

%% ANN Model StorageANNModelSavePath='G:\CropYield\02_CodeAndMap\00_SavedModel\';
save(sprintf('%sRF0417ANN0399.mat',ANNModelSavePath),'TestVARI','TestYield','TrainVARI','TrainYield','ANNnet','ANNPredictYield','ANNr','ANNRMSE',...'hiddenLayerSize');

2 完整代码

完整代码如下：

%% ANN Cycle Preparation
ANNRMSE=9999;
ANNRunNum=0;
ANNRMSEMatrix=[];
ANNrAllMatrix=[];
while ANNRMSE>1000%% ANN
x=TrainVARI';
t=TrainYield';
trainFcn = 'trainlm';
hiddenLayerSize = [10 10 10];
ANNnet = fitnet(hiddenLayerSize,trainFcn);
ANNnet.input.processFcns = {'removeconstantrows','mapminmax'};
ANNnet.output.processFcns = {'removeconstantrows','mapminmax'};
ANNnet.divideFcn = 'dividerand';
ANNnet.divideMode = 'sample';
ANNnet.divideParam.trainRatio = 0.6;
ANNnet.divideParam.valRatio = 0.4;
ANNnet.divideParam.testRatio = 0.0;
ANNnet.performFcn = 'mse';
ANNnet.trainParam.epochs=5000;
ANNnet.trainParam.goal=0.01;
% For a list of all plot functions type: help nnplot
ANNnet.plotFcns = {'plotperform','plottrainstate','ploterrhist','plotregression','plotfit'};
[ANNnet,tr] = train(ANNnet,x,t);
y = ANNnet(x);
e = gsubtract(t,y);
performance = perform(ANNnet,t,y);
% Recalculate Training, Validation and Test Performance
trainTargets = t .* tr.trainMask{1};
valTargets = t .* tr.valMask{1};
testTargets = t .* tr.testMask{1};
trainPerformance = perform(ANNnet,trainTargets,y);
valPerformance = perform(ANNnet,valTargets,y);
testPerformance = perform(ANNnet,testTargets,y);
% view(net)
% Plots
%figure, plotperform(tr)
%figure, plottrainstate(tr)
%figure, ploterrhist(e)
%figure, plotregression(t,y)
%figure, plotfit(net,x,t)
% Deployment
% See the help for each generation function for more information.
if (false)% Generate MATLAB function for neural network for application% deployment in MATLAB scripts or with MATLAB Compiler and Builder% tools, or simply to examine the calculations your trained neural% network performs.genFunction(ANNnet,'myNeuralNetworkFunction');y = myNeuralNetworkFunction(x);
end
if (false)% Generate a matrix-only MATLAB function for neural network code% generation with MATLAB Coder tools.genFunction(ANNnet,'myNeuralNetworkFunction','MatrixOnly','yes');y = myNeuralNetworkFunction(x);
end
if (false)% Generate a Simulink diagram for simulation or deployment with.% Simulink Coder tools.gensim(ANNnet);
end%% Accuracy of ANN
ANNPredictYield=sim(ANNnet,TestVARI')';
ANNRMSE=sqrt(sum(sum((ANNPredictYield-TestYield).^2))/size(TestYield,1));
ANNrMatrix=corrcoef(ANNPredictYield,TestYield);
ANNr=ANNrMatrix(1,2);
ANNRunNum=ANNRunNum+1;
ANNRMSEMatrix=[ANNRMSEMatrix,ANNRMSE];
ANNrAllMatrix=[ANNrAllMatrix,ANNr];
disp(ANNRunNum);
end
disp(ANNRMSE);%% ANN Model Storage
ANNModelSavePath='G:\CropYield\02_CodeAndMap\00_SavedModel\';
save(sprintf('%sRF0417ANN0399.mat',ANNModelSavePath),'AreaPercent','InputOutput','nLeaf','nTree',...'RandomNumber','RFModel','RFPredictConfidenceInterval','RFPredictYield','RFr','RFRMSE',...'TestVARI','TestYield','TrainVARI','TrainYield','ANNnet','ANNPredictYield','ANNr','ANNRMSE',...'hiddenLayerSize');

欢迎关注：疯狂学习GIS

基于MATLAB的神经网络（ANN）回归相关推荐

【电力负荷预测】基于matlab BP神经网络电力负荷预测【含Matlab源码 278期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源: [电力负荷预测]基于matlab BP神经网络电力负荷预测[含Matlab源码 278期] 获取代码方式2: 付费专栏Matlab智能算 ...
【故障诊断分析】基于matlab BP神经网络三相逆变器故障诊断研究【含Matlab源码 1736期】
一.BP神经网络三相逆变器故障诊断简介针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以 ...
【停车位预测】基于matlab BP神经网络停车位预测【含Matlab源码 765期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[停车位预测]基于matlab BP神经网络停车位预测[含Matlab源码 765期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方 ...
基于matlab BP神经网络的手写数字识别
摘要本文实现了基于MATLAB关于神经网络的手写数字识别算法的设计过程,采用神经网络中反向传播神经网络(即BP神经网络)对手写数字的识别,由MATLAB对图片进行读入.灰度化以及二值化等处理,通过神 ...
Python基于PyTorch实现BP神经网络ANN回归模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景在人工神经网络的发展历史上,感知机(Multilayer Per ...
基于matlab的神经网络设计,神经网络模型matlab例子
matlab神经网络目前有什么具体的实际应用 MATLAB中文论坛2010年出过一本书,北航出版社的,叫<MATLAB神经网络30个案例分析 (豆瓣)>.我觉得把它作为入门书挺好的,每一章 ...
ann matlab,人工神经网络ann及其matlab仿真.ppt
人工神经网络ann及其matlab仿真人工神经网络的研究方法及应用刘长安2004. 12. 31 引言利用机器模仿人类的智能是长期以来人们认识自然.改造自然和认识自身的理想. 研究ANN目 ...
基于matlab的神经网络设计,matlab神经网络训练图片
matlab BP神经网络 performance 图这五条线的详细解释图上的三个彩色实线分别是:每一代BP训练过程的MSE指标的性能,每一代BP交叉验证过程的MSE指标的性能以及BP测试的MSE指 ...
【水质预测】基于matlab模糊神经网络水质预测【含Matlab源码 1923期】
一.模糊神经网络水质预测简介 1 模糊神经网络从整体结构框架上看, 两个输入一个输出, 它像一个神经网络;从功能上讲, 是一个模糊系统.模糊神经网络结构如图1所示, 此网络结构共分为5个层次, 它是 ...

基于MATLAB的神经网络（ANN）回归