主要内容

trainSoftmaxLayer

训练一个softmax层进行分类

折叠所有页面

语法

net = trainSoftmaxLayer(X,T)
net = trainSoftmaxLayer(X,T，名称，值)

描述

例子

网= trainSoftmaxLayer (X，T）训练一个softmax层，网，在输入数据上X以及目标T．

网= trainSoftmaxLayer (X，T，名称,值）训练一个softmax层，网属性的一个或多个指定的附加选项名称,值对参数。

例如，可以指定损失函数。

例子

全部折叠

打开实时脚本

加载样例数据。

[X,T] = iris_dataset;

X为鸢尾花四种属性的4x150矩阵:萼片长、萼片宽、花瓣长、花瓣宽。

T是相关类向量的3x150矩阵，定义每个输入分配给三个类中的哪一个。每一行对应一个虚拟变量，代表一个虹膜物种(类)。在每一列中，三行的其中一行中的1表示特定样本(观察结果或示例)所属的类。对于观测值不属于的其他类，行中有一个零。

使用样本数据训练一个softmax层。

net = trainSoftmaxLayer(X,T);

使用训练的softmax层将观测数据分类为三个类之一。

Y =净(X);

使用目标和从softmax层获得的分类绘制混淆矩阵。

plotconfusion (T、Y);

输入参数

全部折叠

训练数据，指定为米——- - - - - -n矩阵,米是训练数据中的变量数，和n是观察数(例子)。因此，每一栏X表示一个样本。

数据类型:单|双

目标数据，指定为k——- - - - - -n矩阵,k是班级的数量，和n是观测的数量。每一行都是一个虚拟变量，表示一个特定的类。换句话说，每一列都代表一个样本，并且每一列的所有元素都是零，除了一行中的一个元素。这一项表示该示例的类。

数据类型:单|双

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后，但对的顺序无关紧要。

在R2021a之前，使用逗号分隔每个名称和值，并将其括起来名字在报价。

例子:“MaxEpochs”,400年,“ShowProgressWindow”,假的指定最大迭代次数为400并隐藏训练窗口。

训练迭代的最大次数，指定为由逗号分隔的对组成“MaxEpochs”一个正整数值。

例子:“MaxEpochs”,500年

数据类型:单|双

softmax层的损失函数，指定为由逗号分隔的对组成“LossFunction”,要么“crossentropy”或mse的．

均方误差表示均方误差函数，由:

E ＝ 1 n ∑ j ＝ 1 n ∑ 我 ＝ 1 k （ t 我 j − y 我 j ） 2 ，

在哪里n是训练实例的数量，和k是类的数量。 t 我 j 是ij目标矩阵的第Th项，T, y 我 j 是我当输入向量为时，自编码器的输出xj．

交叉熵函数为:

E ＝ 1 n ∑ j ＝ 1 n ∑ 我 ＝ 1 k t 我 j ln y 我 j + （ 1 − t 我 j ） ln （ 1 − y 我 j ） ．

例子:“LossFunction”、“mse的

指示器用于在训练期间显示训练窗口，指定为由逗号分隔的对组成“ShowProgressWindow”,要么真正的或假．

例子:“ShowProgressWindow”,假的

数据类型:逻辑

训练算法用于训练softmax层，指定为逗号分隔对组成“TrainingAlgorithm”而且“trainscg”，代表缩放共轭梯度。

例子:“TrainingAlgorithm”、“trainscg”

输出参数

全部折叠

Softmax层进行分类，返回为网络对象。softmax层，网，与目标尺寸相同T．

版本历史

在R2015b中引入

另请参阅

|