Question

我有一个带有标签和数据点的数据集，问题在于我想要获得一个分类问题，例如：

dataset=prdataset([2,4,6,8]',[1,2,3,4]')
testset=prdataset([3,5,7,9]')
classifier=dataset*ldc %should probably be changed?
result=testset*classifier

result.data现在变为

ans =

  1.0e-307 *

    0.2225    0.2225    0.2225    0.2225
    0.2225    0.2225    0.2225    0.2225
    0.2225    0.2225    0.2225    0.2225
    0.2225    0.2225    0.2225    0.2225

这是非常错误的。

理想情况下，[1.5,2.5,3.5,4.5]'或其他东西可以接近它。知道如何在PRtools或simulair中做到这一点吗？这是一个linair依赖，但我也希望能够玩其他类型的依赖？

这也是系统的一个巨大奖励，它对于NaN值有点聪明，这些值严重污染了我的真实数据集。

我已经发现了linearr类，但是当我使用它时，我得到了奇怪大小的数据集作为回报，

dataset=prdataset([2,4,6,8]',[1,2,3,4]')
testset=prdataset([3,5,7,9]')
classifier=dataset*linearr%should probably be changed?
result=testset*classifier

给了我值

    0.1000   -0.3000   -0.7000   -1.1000
   -0.5000   -0.5000   -0.5000   -0.5000
   -1.1000   -0.7000   -0.3000    0.1000
   -1.7000   -0.9000   -0.1000    0.7000

这又是不正确的。

在聊天中他们建议使用。*而不是*导致使用错误* 内部矩阵尺寸必须一致。

Error in linearr (line 42)
      beta = prinv(X'*X)*X'*gettargets(x);

Error in prmap (line 139)
      [d, varargout{:}] = feval(mapp,a,pars{:});

Error in  * 

Error in dyadicm (line 81)
    v1 = a*v1;     % train first mapping

Error in prmap (line 139)
      [d, varargout{:}] = feval(mapp,a,pars{:});

Error in  *

在线性代码中。

为了清楚我正在寻找一种方法，给定一组大的值找到最能描述它们之间关系的多项式集合（其中所考虑的多项式是程序的参数，在示例中为1订购）。所以在我们的例子中，多项式是1 / 2a + 0。在我的最终版本中，我想使用更多的参数（10-20），它可能需要二次估计。

Answer 1

也许你可以使用神经网络（神经网络工具箱）： posix

从该链接：

神经网络擅长拟合函数。事实上，有证据表明一个相当简单的神经网络可以适应任何实际功能。

例如，假设您拥有住房申请表中的数据。您希望设计一个可以预测房屋价值的网络（1000美元），给出13条地理和房地产信息。您总共有506个示例房屋，您可以拥有这13个数据项及其相关的市场价值。

您可以通过两种方式解决此问题：

使用图形用户界面nftool，如https://es.mathworks.com/help/nnet/gs/fit-data-with-a-neural-network.html中所述。
使用命令行函数，如Using the Neural Network Fitting Tool中所述。

在matlab prtools中如何设置连续标签？

1 个答案: