好的测试误差和错误的相对产出
4视图(30天)
显示旧的评论
我的问题我的神经网络。我使用Matlab fitnet trainlm和验证停止,没有前后处理数据。测试错误很好所以我想新输入的输出是正确的,但这不是。我不需要使用新的输入正常化,因为没有前后处理功能。训练后我使用新的输入一步生成输出,因为我可以知道只有一步一次新的输入。有人有相同的问题吗?代码似乎是正确的:
网= fitnet (hiddenLayerSize);
net.inputs {1}。processFcns = {};
net.outputs {2}。processFcns = {};
网。divideFcn =“divideblock”;
(净,tr) =火车(净、输入目标);
输出=净(输入);
0评论
接受的答案
格雷格·希斯
2015年3月30日
有什么类似的结果(注意,故意省略分号)
我[N] =大小(x)
[O N] =大小(t)
MSE00 =意味着(var (t ', 1))
minmaxxt =极大极小([x; t])
图(1)
情节(x, t)
持有在
网= fitnet (H);
净tr y [e] =火车(净,x, t);
NMSE = mse (e) / MSE00
情节(x, y,“r”。)
接下来,使用tr获取trn / val /测试和重复的指标对于每个子集i = trn, val,结核菌素
图
持有在
为i = 1:3
[Ii倪]=大小(xi)
(倪Oi) =大小(ti)
MSE00i =意味着(var (ti ', 1))
minmaxxiti =极大极小([xi, ti])
NMSEi = mse (ei) / MSE00i
情节(xi, ti)
情节(xi,咦,“r”。)
结束
这是确保数据的目的是静止的,即的统计3子集相媲美
然后,如果任何新的数据似乎来自同一来源,它可以验证通过比较这三个子集。
希望这个有帮助。
谢谢你的正式接受我的答案
格雷格