核心内容摘要
巅峰对决：当刘涛遇上范冰冰，一场时尚与气场的视觉盛宴
基于RBF径向神经网络的多输入单输出的拟合预测建模。
程序内注释详细直接替换数据就可以用可以出真实值和预测值拟合图以及多种评价指标。
程序是MATLAB语言。
在数据分析和预测领域RBF径向基函数径向神经网络是一种强大的工具特别适用于多输入单输出的拟合预测建模。
今天就来跟大家分享如何用MATLAB实现基于RBF径向神经网络的这类建模不仅注释详细直接替换数据就能用还能输出真实值和预测值拟合图以及多种评价指标。
数据准备假设我们已经有了输入数据inputdata和对应的输出数据outputdata。
一般来说输入数据可能是多个特征的矩阵输出数据是一个列向量。
% 导入数据 input_data load(input_data.txt); % 假设数据存储在txt文件中 output_data load(output_data.txt); % 划分训练集和测试集 train_ratio
8; % 80%的数据用于训练 train_num round(size(input_data,
* train_ratio); input_train input_data(1:train_num, :); output_train output_data(1:train_num); input_test input_data(train_num1:end, :); output_test output_data(train_num1:end);这里先导入数据然后按照80%训练集、20%测试集的比例划分数据。
这种划分方式在很多机器学习项目中都很常见能较好地评估模型在未知数据上的表现。
创建RBF神经网络% 创建RBF神经网络 net newrb(input_train, output_train, 0, 1,
;newrb函数用于创建RBF神经网络。
这里的参数依次为输入训练数据需要转置、输出训练数据、误差目标设为0表示尽可能逼近、扩展速度1是常用值影响网络训练速度和精度平衡、神经元最大数量设为10可根据实际情况调整。
训练和预测% 训练网络并预测 output_train_predict sim(net, input_train); output_test_predict sim(net, input_test);使用sim函数对训练集和测试集进行预测。
这个函数就像是把数据送入训练好的神经网络“黑盒子”得到预测结果。
评价指标计算% 计算多种评价指标 % 训练集 mse_train mse(output_train - output_train_predict); rmse_train sqrt(mse_train); mae_train mae(output_train, output_train_predict); % 测试集 mse_test mse(output_test - output_test_predict); rmse_test sqrt(mse_test); mae_test mae(output_test, output_test_predict); fprintf(训练集MSE: %.4f\n, mse_train); fprintf(训练集RMSE: %.4f\n, rmse_train); fprintf(训练集MAE: %.4f\n, mae_train); fprintf(测试集MSE: %.4f\n, mse_test); fprintf(测试集RMSE: %.4f\n, rmse_test); fprintf(测试集MAE: %.4f\n, mae_test);这里计算了均方误差MSE、均方根误差RMSE和平均绝对误差MAE。
MSE衡量预测值与真实值误差的平方的均值RMSE是MSE的平方根让误差和真实值在同一量纲MAE是预测值与真实值误差绝对值的均值。
通过这些指标可以全面了解模型的预测准确性。
绘制拟合图% 绘制训练集拟合图 figure; plot(output_train, b, LineWidth,
1.
; hold on; plot(output_train_predict, r--, LineWidth,
1.
; legend(真实值, 预测值); title(训练集真实值与预测值拟合图); xlabel(样本序号); ylabel(输出值); % 绘制测试集拟合图 figure; plot(output_test, b, LineWidth,
1.
; hold on; plot(output_test_predict, r--, LineWidth,
1.
; legend(真实值, 预测值); title(测试集真实值与预测值拟合图); xlabel(样本序号); ylabel(输出值);通过plot函数分别绘制训练集和测试集的真实值与预测值拟合图。
蓝色实线表示真实值红色虚线表示预测值这样可以直观地看出模型的预测效果。
基于RBF径向神经网络的多输入单输出的拟合预测建模。
程序内注释详细直接替换数据就可以用可以出真实值和预测值拟合图以及多种评价指标。
程序是MATLAB语言。
通过以上步骤我们就完成了基于RBF径向神经网络的多输入单输出拟合预测建模从数据准备到模型创建、训练、评估以及可视化希望这个分享能对大家在相关领域的研究和实践有所帮助。