Lucas499 2019-12-26 17:36 采纳率: 0%
浏览 2089

为什呢matlab建立BP神经网络正确率很低?

图片说明

上图:
1.蓝色部分表示一类数据,红色部分表示二类数据
2.数据都只有一个特征向量为y轴的值
3.x轴为数据在训练集中的下标

问题:

本来应该是很简单的,利用一个特征向量(y轴的值)作为分类依据,将红色数据和蓝色数据分开。

然而,利用matlab建立BP神经网络,训练结果有时候非常好,测试正确率能达到98以上,有时候正确率只有20~30。

%训练样本

train_sample=[trainECG']; %21*25

%测试样本

test_sample=[testECG'];

%输出类别,建立HotCode

t1=[trainLabel'];

t2=[testLabel'];

train_result = ind2vec(t1);

test_result = ind2vec(t2);





net = newff(train_sample,train_result,4,{ 'tansig' 'purelin' } ,'traingdx');

net.trainParam.show=50; % 显示训练迭代过程

net.trainParam.epochs=15000; % 最大训练磁数

net.trainParam.goal=0.001; % 要求训练精度

net.trainParam.lr=0.02; % 学习率

net=init(net); %网络初始化

[net,tr]=train(net,train_sample,train_result); % 网络训练



result_sim=sim(net,test_sample); % 利用得到的神经网络仿真

result_sim_ind=vec2ind(result_sim);



correct=0;

for i=1:length(result_sim_ind)

if result_sim_ind(i)==t2(i);

correct=correct+1;

end

end



disp('正确率:');

correct / length(result_sim_ind)
  • 写回答

1条回答 默认 最新

  • Lirror_Xu 2022-04-14 16:07
    关注

    没用过matlab,所以不敢说代码部分,只写过python的,根据你说的现象提两个可能的原因。
    你的计算结果归根结底是模型训练结果不稳定,原因可能在样本数据本身:
    ①数据量太少,导致单个数据的不稳定对结果的影响大,如果你每次训练的训练集、测试集都重新随机划分就更突出了,如果你有一个数据,结果是有较大误差的,那么一旦这个样本放在了测试集,而测试集的样本很少,那么就很容易出现,这一次的测试集准确率特别低的情况。→→→解决方法:可以试着排除异常点,怎么排除可以查。
    ②数据不均衡,比如你的样本中有两类数据,第一类有100个,第二类就5个,那么很有可能你怎么学,第二类的特征也学不进去,如果某一次划分,测试集中第二类比较多,甚至5个你都分到测试集去了,那么当然这一次准确率就很低了

    评论

报告相同问题?

悬赏问题

  • ¥30 帮我写一段可以读取LD2450数据并计算距离的Arduino代码
  • ¥15 C#调用python代码(python带有库)
  • ¥15 矩阵加法的规则是两个矩阵中对应位置的数的绝对值进行加和
  • ¥15 活动选择题。最多可以参加几个项目?
  • ¥15 飞机曲面部件如机翼,壁板等具体的孔位模型
  • ¥15 vs2019中数据导出问题
  • ¥20 云服务Linux系统TCP-MSS值修改?
  • ¥20 关于#单片机#的问题:项目:使用模拟iic与ov2640通讯环境:F407问题:读取的ID号总是0xff,自己调了调发现在读从机数据时,SDA线上并未有信号变化(语言-c语言)
  • ¥20 怎么在stm32门禁成品上增加查询记录功能
  • ¥15 Source insight编写代码后使用CCS5.2版本import之后,代码跳到注释行里面