MAT之ELM：ELM實現鳶尾花(iris數據集)種類測試集預測識別正確率(better)結果對比

?

?

目錄

輸出結果

實現代碼

---

?

?

輸出結果

?

?

實現代碼

load iris_data.mat P_train = []; T_train = []; P_test = []; T_test = []; for i = 1:3temp_input = features((i-1)*50+1:i*50,:);temp_output = classes((i-1)*50+1:i*50,:);n = randperm(50);P_train = [P_train temp_input(n(1:40),:)'];T_train = [T_train temp_output(n(1:40),:)'];P_test = [P_test temp_input(n(41:50),:)'];T_test = [T_test temp_output(n(41:50),:)']; end[IW,B,LW,TF,TYPE] = elmtrain(P_train,T_train,20,'sig',1);T_sim_1 = elmpredict(P_train,IW,B,LW,TF,TYPE); T_sim_2 = elmpredict(P_test,IW,B,LW,TF,TYPE);result_1 = [T_train' T_sim_1']; result_2 = [T_test' T_sim_2'];k1 = length(find(T_train == T_sim_1)); n1 = length(T_train); Accuracy_1 = k1 / n1 * 100; disp(['訓練集正確率Accuracy = ' num2str(Accuracy_1) '%(' num2str(k1) '/' num2str(n1) ')'])k2 = length(find(T_test == T_sim_2)); n2 = length(T_test); Accuracy_2 = k2 / n2 * 100; disp(['測試集正確率Accuracy = ' num2str(Accuracy_2) '%(' num2str(k2) '/' num2str(n2) ')'])figure(2) plot(1:30,T_test,'bo',1:30,T_sim_2,'r-*') grid on xlabel('測試集樣本編號') ylabel('測試集樣本類別') string = {'ELM：ELM實現鳶尾花種類測試集預測識別正確率(better)結果對比—Jason niu';['(正確率Accuracy = ' num2str(Accuracy_2) '%)' ]}; title(string) legend('真實值','ELM預測值')

相關文章
ELM：ELM實現鳶尾花種類測試集預測識別正確率(better)結果對比

?

總結

以上是生活随笔為你收集整理的MAT之ELM：ELM实现鸢尾花(iris数据集)种类测试集预测识别正确率(better)结果对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。