MATLAB 神經網絡預測工具箱

神經網絡

• 神經網絡預測，在使用上，類似一個黑盒子，輸入一些自變量，輸出一些因變量。

  

• 如圖，從 Input 到 Output 中間有兩個層，我們不需要知道他是怎麼工作的，隻需要知道我們需要設定哪些變量，如何使用就好了。

神經網絡工具箱

• 我們先從神經網絡工具箱說起，工具箱的可視化界面和設計好的步驟有助于我們了解。
• 首先輸入 nnstart 選擇 fitting start 或者從App裡直接找到 fitting start
• 點選 next 會出現如下畫面

  

clear
x1 = [7 1 11 11 7 11 3 1 2 21 1 11];
x2 = [26 29 56 31 52 55 71 31 54 47 40 66];
x3 = [6 15 8 8 6 9 17 22 18 4 23 9];
x4 = [60 52 20 47 33 22 6 44 22 26 34 12];
y = [78.5 73.4 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9 83.9 113.3];
X = [x1' x2' x3' x4'];
y = y';
           

• 其中資料如上所示，通常我們每一列是一個變量的多組資料，是以我們要選擇 Matrix rows

  

• 接着會出現上圖，選擇訓練、調整、測試的比例。其中訓練、調整是機器學習過程，在學習中會自動調整參數，而測試隻是用測試資料和原始資料進行比較，判斷預測的準确度，并不會改變網絡參數。

  

• 如上圖，輸如隐藏層參數（輸出層參數是和Output 次元相同的），這個參數是影響我們網絡精度的重要參數，建議多試幾次進行比較。

  

• 接着我們要選擇網絡函數，有三個函數可選，不同特點的資料最優函數是不一樣的，這也是影響網絡精度的選擇。同樣，我們可以多試幾次比較。點選 train 開始訓練。

  

• 如圖，即為訓練後的視窗，此時網絡已經訓練完成，參數英文名說的很清楚了，就不贅述了。

神經網絡評價

• 建立完神經網絡後，我們要對神經網絡進行評價，判斷網絡拟合的效果如何。
• 如上圖，在 Plots 裡面有五個按鈕，點選可以自動作圖。根據這些可視化的圖可以判斷網絡效果。我經常用的是 Error Histogram 和 Regression
• Error Histogram

• 如圖，誤差分布圖，很好的預測模型，誤差集中在0附近，且基本呈正态分布。本例資料少，可見效果很不好。如果是大量資料，效果會很明顯，下圖是某次模組化時畫出的誤差圖。

  

• Regression

• 如圖，四個圖分别是訓練、調整、測試、所有資料的四張圖。
• 橫坐标是原始值，縱坐标是預測值，是以我們希望點都在虛線（y = x）上，根據偏離程度可以看出誤差。粗直線是根據這些點拟合的回歸直線。R是相關度，越接近1表示越好（本例資料過少，有兩個圖隻有兩個資料點，出現了 R = 1 的情況）
• 如下圖是某次模組化時做出的 Regression 圖，可以看出，當資料很多時效果會很好。

  

神經網絡預測

• 在評價網絡滿意之後，點選 next 到下圖

  

  即可以将得到的結果存在工作區中
• 将網絡命名為 net 存入工作區，再用 sim 函數即可預測。

  

總結

• 影響網絡的參數有：隐藏層參數；訓練、調整、測試比例；訓練函數。當然，由于訓練資料是随機的，是以每一次都會有差距。
• 當我們要尋找最佳參數，或者有很多組網絡需要建構時，用工具箱就會很麻煩，這時候就需要掌握用代碼控制上述步驟。