У меня есть модель системы, которая может обнаруживать некоторые аномалии и реагировать соответствующим образом.
Теперь я хочу проанализировать, насколько надежна наша модель в предсказании этих аномалий.
До сих пор я вручную анализировал определенные ситуации и оценивал, правильно или неправильно реагировала система. Это отнимает очень много времени, и я хотел бы знать, как мы могли бы внедрить машинное обучение с учителем, чтобы обучить нейронную сеть выполнять эту оценку автоматически.
ОТВЕЧАТЬ
Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab, Помощь по заданию MatLab для студентов, инженеров и исследователей в различных отраслях, таких как ECE, EEE, CSE, Mechanical, Civil со 100% выходом. Код Matlab для BE, B.Tech , ME, M.Tech, к.т.н. Ученые со 100% конфиденциальностью гарантированы. Получите проекты MATLAB с исходным кодом для обучения и исследований.
В целом, чтобы создать модель машинного обучения, необходимо:
1. Соберите данные.
2. Разделите данные на наборы для обучения, тестирования и проверки.
3. Обучите модель машинного обучения, используя обучающий и тестовый наборы.
4. Убедитесь, что ваша обученная модель на проверочном наборе, чтобы убедиться, что она по-прежнему может надежно предсказывать «невидимые» данные.
5. Используйте модель для прогнозирования реальных данных.
Из приведенного выше рабочего процесса вы можете видеть, что мы можем оценить точность модели только (до того, как действительно использовать ее в реальном мире), оценив прогноз, который она выводит на проверочном наборе.
Если прогнозируемые значения в наборе проверки находятся в пределах некоторой разумной точности, которую вы хотите, вы можете использовать модель для прогнозирования данных реального мира, предполагая, что она также будет прогнозировать эти новые данные с тем же уровнем точности.
СМОТРИТЕ ПОЛНЫЙ ОТВЕТ НАЖМИТЕ НА ССЫЛКУ
