网络

转换Autoencoder对象进网络对象

扩展所有的页面

语法

网=网络(autoenc)

净=网络(autoenc)返回一个对象相当于autoencoder网络,autoenc。

训练有素的autoencoder,返回的对象Autoencoder类。

神经网络,这相当于autoencoderautoenc,作为一个对象的返回网络类。

打开生活的脚本

加载示例数据。

X = bodyfat_dataset;

X是一个13 - 252年- 252年矩阵定义十三属性不同的观察结果。在数据的更多信息,类型帮助bodyfat_dataset在命令行。

火车上的autoencoder属性数据。

autoenc = trainAutoencoder (X);

数字神经网络训练(03 - mar - 2023 09:06:55)包含一个uigridlayout类型的对象。

创建一个从autoencoder网络对象,autoenc。

网=网络(autoenc);

预测使用网络的属性,净。

Xpred =净(X);

符合实际之间的线性回归模型和估计属性数据。计算估计的皮尔森相关系数、斜率和截距(偏见)的回归模型,使用所有属性数据作为一个数据集。

[C、S、B] =回归(X, Xpred“一个”)

C = 0.9996

S = 0.9981

B = 0.1245

相关系数几乎是1,这表明神经网络的属性数据和估计非常接近对方。

实际数据和拟合线的阴谋。

plotregression (X, Xpred);

图回归(plotregression)包含一个坐标轴对象。坐标轴对象标题:R = 0.99964,包含目标,ylabel输出~ + 0.12 = 1 *目标包含3线类型的对象。一个或多个行显示的值只使用这些对象标记代表Y = T),数据。

数据似乎在安装行,它直观地支持结论,预测是非常接近实际的数据。万博1manbetx

介绍了R2015b