载入由手写数字合成图像组成的数据。XTrain是一个28 × 28 × 1 × 5000的图像数组吗YTrain是包含图像标签的分类向量。

[Xtrain，Ytrain] = DigitTrain4darraydata;谁是YTrain

名称大小字节类属性YTrain 5000x1 6062 category

定义卷积神经网络的结构。

layers = [imageInputLayer([28 28 1])]“填充”，“相同”) batchNormalizationLayer reluLayer convolution2dLayer(3,16，“填充”，“相同”，“步”，2) batchNormalizationLayer reluLayer convolution2dLayer(3,32，)“填充”，“相同”，“步”，2) batchNormalizationLayer reluLayer fulllyconnectedlayer (10) softmaxLayer classificationLayer];

指定培训选项并对网络进行培训。

选择= trainingOptions (“个”，.．.“MaxEpochs”5,.．.“详细”假的,.．.“阴谋”，“训练进步”）;网= trainNetwork (XTrain、YTrain层,选择);

使用训练好的网络加载和分类测试数据。

[XTest,欧美]= digitTest4DArrayData;YPredicted =分类(净,XTest);

绘制真正的测试标签的混淆矩阵欧美以及预测的标签YPredicted．

YPredicted plotconfusion(欧美)

行对应于预测类（输出类），列对应于真实类（目标类）。对角线的格对应正确分类的观察结果。非对角线的单元格对应于错误分类的观察结果。观察次数和观察总数的百分比都显示在每个单元格中。

图中最右边的一列显示了预测属于正确和错误分类的每个类别的所有示例的百分比。这些指标通常分别称为精度(或阳性预测值)和错误发现率。图底部的一行显示了属于正确和错误分类的每个类的所有示例的百分比。这些指标通常分别称为召回率(或真阳性率)和假阴性率。图右下角的单元格显示了整体的准确性。

关闭所有的数据。

关闭(findall(大的,“类型”，“图”）)

控件加载示例数据cancer_dataset函数。XTrain是一个9乘699的矩阵，定义了699活检的9个属性。YTrain是一个2 × 699的矩阵，其中每一列表示相应观测的正确类别。每一列的YTrain在第一行或第二行中有一个元素等于1，分别对应良性或恶性癌症。有关此数据集的更多信息，请键入帮助cancer_dataset在命令行。

rng默认的[XTrain, YTrain] = cancer_dataset;YTrain (: 1:10)

ans =2×101 1 1 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 1 0 0

建立一个模式识别网络，并利用样本数据对其进行训练。

网= patternnet (10);网=火车(网,XTrain, YTrain);

使用训练过的网络估计癌症状态。矩阵的每一列YPredicted包含分别属于第1类和第2类的每个观测的预测概率。

YPredicted =净(XTrain);YPredicted (: 1:10)

ans =2×100.9980 0.9979 0.9894 0.0578 0.9614 0.9960 0.0026 0.0023 0.0084 0.9944 0.0020 0.0021 0.0106 0.9422 0.0386 0.0040 0.9974 0.9977 0.9916 0.0056

绘制混淆矩阵。为了创造情节，plotconfusion根据最高等级概率给每个观察标记。

plotconfusion (YTrain YPredicted)

在这个图中，前两个对角的单元格显示了经过训练的网络正确分类的数量和百分比。例如，446例活检被正确归类为良性。这相当于全部699例活检的63.8%。同样，236例被正确分类为恶性。这相当于所有活检的33.8%。

5例恶性活检被错误地归类为良性，这相当于数据中所有699例活检的0.7%。同样，12例良性活检被错误地归类为恶性，这相当于所有数据的1.7%。

在451个良性预测中，98.9%是正确的，1.1%是错误的。在248个恶性预测中，95.2%是正确的，4.8%是错误的。458例良性病例中，97.4%被正确预测为良性，2.6%被正确预测为恶性。241例恶性病例中，97.9%被正确划分为恶性，2.1%被正确划分为良性。

总体而言，97.6%的预测是正确的，2.4%是错误的。