BP 神经网络进行回归拟合后，如何进行数据预测。

MATLAB新手，刚刚网课学习到BP神经网络的回归拟合，用回归拟合后，如何代入进行下一数据的预测

matlab版本R2019B

以下为完成回归拟合代码。

clear

clc

导入数据

load practice_data.mat

随机产生训练集和测试集

temp = randperm(size(NIR,1));

训练集——50个样本

P_train = NIR(temp(1:50),:)';

T_train = octane(temp(1:50),:)';

测试集——10个样本

P_test = NIR(temp(51:end),:)';

T_test = octane(temp(51:end),:)';

N = size(P_test,2);

数据归一化

[p_train, ps_input] = mapminmax(P_train,0,1);

p_test = mapminmax('apply',P_test,ps_input);

[t_train, ps_output] = mapminmax(T_train,0,1);

创建网络

net = newff(p_train,t_train,9);

设置训练参数

net.trainParam.epochs = 1000;

net.trainParam.goal = 1e-3;

net.trainParam.lr = 0.01;

训练网络

net = train(net,p_train,t_train);

仿真测试

t_sim = sim(net,p_test);

数据反归一化

T_sim = mapminmax('reverse',t_sim,ps_output);

相对误差error

error = abs(T_sim - T_test)./T_test;

决定系数R^2

R2 = (N * sum(T_sim .* T_test) - sum(T_sim) * sum(T_test))^2 / ((N * sum((T_sim).^2) - (sum(T_sim))^2) * (N * sum((T_test).^2) - (sum(T_test))^2));

结果对比

result = [T_test' T_sim' error']

绘图

figure

plot(1:N,T_test,'b:*',1:N,T_sim,'r-o')

legend('真实值','预测值')

xlabel('预测样本')

ylabel('商家需求值')

string = {'测试集商家需求值含量预测结果对比';['R^2=' num2str(R2)]};

title(string)

坐到目前为止，不知如何进行预测

Answer 1

[锦利国际注册开户【微8785092】]

按个人理解

t_sim = sim(net,p_test);里的p_test换为新数据，即可进行对应预测

仅供参考