<span style="font-size:18px;">%% 清空環境變量 clc; clear all close all nntwarn off; warning off; %% 數據載入 load data %% 選取訓練數據和測試數據Train=data(1:23,:); Test=data(24:end,:); p_train=Train(:,1:3)'; t_train=Train(:,4)'; p_test=Test(:,1:3)'; t_test=Test(:,4)';%% 將期望類別轉換為向量 t_train=ind2vec(t_train); t_train_temp=Train(:,4)'; %% 使用newpnn函數建立PNN SPREAD選取為1.5 Spread=1.5; net=newpnn(p_train,t_train,Spread)%% 訓練數據回代 查看網絡的分類效果% Sim函數進行網絡預測 Y=sim(net,p_train); % 將網絡輸出向量轉換為指針 Yc=vec2ind(Y);%% 通過作圖 觀察網絡對訓練數據分類效果 figure(1) subplot(1,2,1) stem(1:length(Yc),Yc,'bo') hold on stem(1:length(Yc),t_train_temp,'r*') title('PNN 網絡訓練后的效果') xlabel('樣本編號') ylabel('分類結果') set(gca,'Ytick',[1:5]) subplot(1,2,2) H=Yc-t_train_temp; stem(H) title('PNN 網絡訓練后的誤差圖') xlabel('樣本編號')%% 網絡預測未知數據效果 Y2=sim(net,p_test); Y2c=vec2ind(Y2) figure(2) stem(1:length(Y2c),Y2c,'b^') hold on stem(1:length(Y2c),t_test,'r*') title('PNN 網絡的預測效果') xlabel('預測樣本編號') ylabel('分類結果') set(gca,'Ytick',[1:5]) </span>

總結

以上是生活随笔為你收集整理的PNN神经网络预测类别的例子的全部內容，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。