(Не рекомендуемый) Выполните линейную регрессию выходов малой сети на целевых объектах
regression не рекомендуется. Использовать fitlm (Statistics and Machine Learning Toolbox). Для получения дополнительной информации см. раздел Вопросов совместимости.
[ вычисляет линейную регрессию между каждым элементом сетевого отклика и соответствующим объектом. r,m,b] = regression(t,y)
Эта функция принимает массив ячеек или матрицы цель t и выводит y, каждый с общих строк матрицы N, и возвращает значения регрессии r, склоны регрессионной подгонки, m и свободных членов, b для каждого из N строк матрицы.
Этот пример показывает, как обучить сеть прямого распространения и вычислить и построить регрессию между ее целями и выходами.
Загрузите обучающие данные.
[x,t] = simplefit_dataset;
Матрица 1 на 94 x содержит входные значения и матрицу 1 на 94 t содержит соответствующие целевые выходные значения.
Создайте нейронную сеть с feedforward с одним скрытым слоем размера 20.
net = feedforwardnet(20);
Обучите сетевую net использование обучающих данных.
net = train(net,x,t);
Оцените цели с помощью обученной сети.
y = net(x);
Вычислите и постройте график регрессии между ее целями и выходами.
[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)