數(shù)據(jù)挖掘 實(shí)驗(yàn)七

1、BP神經(jīng)網(wǎng)絡(luò)在肺癌分類中應(yīng)用1、 實(shí)驗(yàn)?zāi)康?用BP神經(jīng)網(wǎng)絡(luò)算法，對(duì)三類肺癌的樣本通過MATLAB軟件進(jìn)行模擬仿真，進(jìn)行分類。通過這個(gè)實(shí)例熟悉BP神經(jīng)網(wǎng)絡(luò)算法和MATLAB軟件的使用。二、實(shí)驗(yàn)步驟 1、 下載肺癌數(shù)據(jù)，使用MATLAB軟件進(jìn)行模擬仿真2、 數(shù)據(jù)預(yù)處理-對(duì)用“？”表示的數(shù)據(jù)統(tǒng)一用“0”填充3、 輸入算法的代碼4、調(diào)試三、代碼分析clc;clear;%清屏的作用%讀取數(shù)據(jù) data=dlmread('lung-cancer.data',',');%把data分為目標(biāo)向量和預(yù)測(cè)向量%T0為目標(biāo)向量，取數(shù)據(jù)矩陣的每行第一列數(shù)據(jù)T0=data(:,1);%P

2、0為預(yù)測(cè)向量,取數(shù)據(jù)矩陣每行從第二列開始的數(shù)據(jù)P0=data(1:32,2:57);%把目標(biāo)值離散分離變量for i=1:32 temp=T0(i,:); if mod(temp(1),3)=1 T(i,:)=1,0,0; elseif mod(temp(1),3)=2 T(i,:)=0,1,0; elseif mod(temp(1),3)=0 T(i,:)=0,0,1; endend T; T=T' P=P0' %將創(chuàng)建一個(gè)三層前饋神經(jīng)網(wǎng)路。它的輸入向量是minmax(P)，第一層有56個(gè)神經(jīng)元(56)，第二層有10個(gè)神經(jīng)元(10)第三層輸出層有3個(gè)神經(jīng)元（3）。第一層與第二

3、層的傳遞函數(shù)是tansig，輸出層的傳遞函數(shù)是purelin。訓(xùn)練函數(shù)是traingdm,traingdm代表梯度下降法。 net=newff(minmax(P),56,10,3,'tansig','tansig','purelin','traingdm');%由于每次創(chuàng)建網(wǎng)絡(luò)時(shí)，其權(quán)值與閾值不同，所以初始化網(wǎng)絡(luò) net=init(net);%設(shè)置訓(xùn)練次數(shù)net.trainParam.epochs=1000;%設(shè)定可接受的誤差范圍net.trainParam.goal=0.03; %進(jìn)行訓(xùn)練得出權(quán)值的最優(yōu)值net=train(ne

4、t,P,T);%進(jìn)行仿真，把P中的數(shù)據(jù)代入訓(xùn)練后的模型 net中A = sim(net,P);E = T - A;MSE=mse(E);%得到的預(yù)測(cè)值 out=sim(net, P ); %得到10行2列的小數(shù)， z=out' %得到結(jié)果矩陣result=;for k=1:32 %C，I是result數(shù)組的索引號(hào)，I為輸出神經(jīng)元中最大的那個(gè)數(shù)的索引號(hào)。 C,I=max(z(k,:); %result里面存放的是1、2。用于和T0比較 result=result;I;end%計(jì)算正確率total=0;for i=1:32 if T0(i,:)=result(i,:)%把T0和result的每個(gè)數(shù)據(jù)進(jìn)行比較 total=total+1; endenddisp('正確率為:');total/324 實(shí)驗(yàn)數(shù)