Мне нужно некоторое разъяснение по перекрестной проверке, которая будет применяться к нейронной сети. мне удается получить результат NN. прямо сейчас я планирую применить перекрестную проверку для выбора модели.
Я рассмотрел пример * crossvalind, crossval *, но я действительно не понимаю, что такое классификатор, другими словами, какие основные вещи следует учитывать, чтобы применить перекрестную проверку.
ПРИМЕЧАНИЕ.
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.
Что вы подразумеваете под «выбором модели»… делая выбор между newrb и fitnet (регрессия) или patternnet (классификация)? Или, учитывая один из них с одним скрытым слоем, выбирая минимальное количество скрытых узлов, которое может достичь цели проектирования?
У меня нет кроссвалида, и я пока не разобрался, как его использовать для нейросетей.
Если бы я торопился, я бы просто использовал randperm(N) для случайного разделения N случаев пар вход/цель на 10 взаимоисключающих подмножеств. Затем используйте подмножество i (i=1:10) для тестирования, подмножество j (j ~= i) для проверки и оставшиеся восемь подмножеств для обучения. Нет необходимости перетасовывать данные, потому что все это можно сделать с помощью индексации.
С 10-кратным XVAL существует 10 * 9 = 90 комбинаций для пар проверки и тестового подмножества. Однако нужно всего 10.
СМОТРИТЕ ПОЛНЫЙ ОТВЕТ НАЖМИТЕ НА ССЫЛКУ
