Question

我有两个高斯分布样本，一个guassian包含10,000个样本，另一个高斯也包含10,000个样本，我想用这些样本训练一个前馈神经网络，但我不知道我需要接收多少个样本以获得最佳决策边界。这是代码，但我不确切地知道解决方案和输出是奇怪的。

x1 = -49:1:50;
x2 = -49:1:50;
[X1, X2] = meshgrid(x1, x2);
Gaussian1 = mvnpdf([X1(:) X2(:)], mean1, var1);// for class A
Gaussian2 = mvnpdf([X1(:) X2(:)], mean2, var2);// for Class B
net = feedforwardnet(10);
G1 = reshape(Gaussian1, 10000,1);
G2 = reshape(Gaussian2, 10000,1);
input = [G1, G2];
output = [0, 1];
net = train(net, input, output);

当我运行代码时，它会给我带来奇怪的结果。如果代码不正确，有人可以建议我，以便我可以获得这两个发行版的决策边界。

Answer 1

我很确定输入必须是高斯分布（而不是x坐标）。事实上，NN必须理解你感兴趣的现象本身（高斯分布）和输出标签之间的关系，而不是在包含现象和标签的空间之间。此外，如果选择x坐标，NN将尝试理解后者与输出标签之间的某种关系，但x可能是常量（即输入数据可能是均匀的）所有相同的，因为你可以在x坐标的相同范围内具有非常不同的高斯分布，只改变平均值和方差。因此NN最终会被混淆，因为相同的输入数据可能有更多的输出标签（你不希望这件事发生!!!）。
我希望我能提供帮助。

P.S。：为了怀疑，我必须告诉你，如果你有一个小的训练集，NN不太适合数据。此外，不要忘记使用交叉验证技术验证您的数据模型（一个好的经验法则是使用20％的训练集用于交叉验证集，另外20％的相同训练集用于测试设置并因此仅使用剩余的60％训练集来训练您的模型。

Matlab中的前馈神经网络分类

1 个答案: