採取哪些方法來分析這個數據:
採用監督的分類方法:監督學習有K近鄰算法、決策樹、樸素貝葉斯、支持向量機、人工神經網絡。其中BP算法是一種出色的監督學習算法。2.在訓練過程中通常要對數據做歸一化處理。 bp神經網絡的推導: http://www.cnblogs.com/jzhlin/archive/2012/07/28/bp.html
監督方法步驟:
(1)收集數據。
(2) 準備輸入數據:不同的算法對數據的格式要求可能不同,所以有時需要對收集的數據進行格式轉換。
(3) 分析輸入數據:這一步只要通過觀察來確保數據集中沒有垃圾數據。
(4) 訓練算法:機器學習算法從這一步才真正的開始學習,主要的通過特定的訓練集輸入到分類算法,確定算法模型的過程。
(5)測試算法:用於檢測訓練算法階段訓練出來的模型是否靠譜,通常使用已知目標值的樣本作爲輸入,觀察其準確率。
(6) 使用算法:將機器學習算法轉換爲應用程序,執行實際任務。
常用來歸一化數值的公式爲:newValue = (oldValue-min)/(max-min)
BP神經網絡
問題1:首先BP的原理是什麼?之前看過不太懂?
問題2:Matlab代碼讀懂,怎樣實現前向神經網絡的方法?
BP是前饋網絡,這種網絡在訓練過程中會有反饋信號,而在分類過程中數據智能向前傳送,直到輸出層,層間沒有向後的反饋信號,因此被稱爲前饋網絡。高層函數的逼近應該選用非線性函數作爲激活函數。一個三層BP神經網絡可以實現對任意非線性函數的逼近
歸一化的兩個公式,取決於歸一化的區間不同:
y = 2 *( x - min ) / ( max - min ) – 1
y = ( x- min )/( max - min )
這篇文章http://m.blog.csdn.net/blog/gongxq0124/7681000講解的十分好,特別適合哦這樣的初學。
運行BP神經網絡的程序