Question

我已经在matlab中从CSV文件中导入了一些数据。它们是全部对齐的时间序列（事实上它们是时间序列并不重要，只是每列代表一个实体，而行是该实体的观察）。这就是说，一个名为data的2500x50双精度矩阵和一个名为colheaders的1x50单元阵列。

我要做的是使用神经网络工具集来预测所有其他实体（即列）。神经网络工具将＆＃34;目标＆＃34;作为输入。（矩阵的一列）和＆＃34;输入＆＃34; （原始矩阵，但使用相同的列作为＆＃34;目标＆＃34;从矩阵中删除）。

假设colheaders中的条目具有Col1，Col2，Col3等形式。我希望自动化训练模型并对原始矩阵的每列进行预测的过程，以便我有一堆标记为Predicted_Col1，Predicted_Col2等的预测列作为输出。

我想我可以找出神经网络部分，但我不知道如何开始矩阵操作和交叉引用colheaders数组。这似乎是一个常见的事情，我想这样做，我猜有人知道一个简单，直接的方式来做这个计算效率。谢谢。

Answer 1

假设 colheaders 是字符串的单元格而数据是您的2500x50输入数组，下面的代码将遍历 data 的所有列，分隔来自输入的目标，将其提供给NN的伪代码，并逐渐构建预测矩阵，同时在out_colheaders中单独创建自定义列标题：

predicted = zeros(size(data));
for i = 1:size(data, 2)
    target = data(:, i);
    training_input = data;
    training_input(:, i) = [];
    // assuming the following function returns a column of 2500x1
    // given training_input of size 2500x49 and target 2500x1
    predicted(:, i) = pseudo_neural(training_input, target);
    out_colheaders{i} = ['Predicted_' colheaders{i}];
end

为矩阵的每列创建向量，并构造矩阵但删除该列

1 个答案: