(Не рекомендуемый), Выполняют линейную регрессию мелких сетевых выходных параметров на целях
regression не рекомендуется. Использование fitlm (Statistics and Machine Learning Toolbox) вместо этого. Для получения дополнительной информации см. Вопросы совместимости.
[ вычисляет линейную регрессию между каждым элементом сетевого ответа и соответствующей целью. r,m,b] = regression(t,y)
Эта функция берет массив ячеек, или матрица предназначаются для t и выводят y, каждого с общими строками матрицы N, и возвращает значения регрессии, r, наклоны подгонки регрессии, m, и свободные члены, b, для каждой из строк матрицы N.
В этом примере показано, как обучить сеть прямого распространения и вычислить и построить регрессию между ее целями и выходные параметры.
Загрузите обучающие данные.
[x,t] = simplefit_dataset;
1 94 матричный x содержит входные значения и 1 94 матричный t содержит связанные целевые выходные значения.
Создайте нейронную сеть прямого распространения с одним скрытым слоем размера 20.
net = feedforwardnet(20);
Обучите сеть net использование обучающих данных.
net = train(net,x,t);
Оцените цели с помощью обучившего сеть.
y = net(x);
Вычислите и постройте регрессию между ее целями и выходные параметры.
[r,m,b] = regression(t,y)
r = 1.0000
m = 1.0000
b = 1.0878e-04
plotregression(t,y)
confusion | plotregression | fitlm (Statistics and Machine Learning Toolbox)