神经网络中的训练数据和训练目标

66次观看(过去30天)

显示旧的注释

MAT-Magic 2020年2月4日

0
链接

直接链接到这个问题

//www.tatmou.com/matlabcentral/answers/503611-training-data-and-training-target-in-neural-networks

评论道: Mahesh Taparia 2020年2月10日

答:接受格雷格·希斯

你好,

信号的形式是向量(1 * 25000) ．我想把这个信号分成四部分 X_train y_train x_test y_test (根据70-30%的训练和测试方法) MATLAB ．谁能帮我把这个矢量形式的信号分成四部分?

谢谢

2的评论
显示隐藏旧的注释

BN 2020年2月5日

编辑:BN 2020年2月5日

这是一个普遍的问题。你还没告诉我你想用什么方法来分割你的数据?您是想随机分割它们(从数据集的第一部分、中间部分和结尾部分)，还是想使用第一部分作为训练，结尾部分作为测试?

不管怎样，你不需要手动做这件事，Matlab可以自动按照你想要的方式分割你的数据集(随机或非随机)。你可以在这里获得更多信息．或类型:

帮助nndivide

你可以选择你想要的函数，然后在代码中使用它。例如，我想按照我想要的方式分割我的数据(第一部分用于训练，中间用于验证，最后部分用于测试)。首先，我把数据分成 indTrain ， indVal ， indTest 通过索引它们，然后使用 divideind ．

                               对于所有数据除法函数的列表，键入:help nndivide
                              
                               网divideFcn =“divideind”；%划分数据%使用指定的索引%将目标划分为三组
                              
                               网divideMode =“样本”；把每个样本分开
                              
                               net.divideParam.trainInd = indTrain;70%的数据集用于火车
                              
                               net.divideParam.valInd = indVal;数据集的15%用于验证
                              
                               testind = indTest;% 15%的数据集用于测试

MAT-Magic 2020年2月5日

编辑:MAT-Magic 2020年2月7日

谢谢你的回答。在这里，我很困惑，因为我只是在这个1*25000的数组中记录了呼吸信号，根据我的理解，这是没有标记的数据，没有任何训练目标。但是对于神经网络在训练数据上的训练，我需要有相应的训练目标，这是我现在没有的。

不管怎样，我是这样做的。请您检查一下代码，并告诉我我是否在正确的轨道上?

                               信号=数据(1:25000);
                              
                               [m,n] = size(信号);
                              
                               P = 0.70;
                              
                               Idx = randperm(m);
                              
                               train_data = signal(idx(1:round(P*m)));%% 17500*1(尺寸)
                              
                               test_data = signal(idx(round(P*m)+1:end));7500*1(尺寸)
                              
                               对于训练数据:
                              
                               Colnr_1 = 2;
                              
                               Rownr_1 = 17500/2;
                              
                               Mat_1 =重塑(train_data， [rownr_1, colnr_1]);
                              
                               X_train = mat_1(:，1);
                              
                               Y_train = mat_1(:，2);
                              
                               %%测试数据:
                              
                               Colnr_2 = 2;
                              
                               Rownr_2 = 7500/2;
                              
                               Mat_2 =重塑(test_data， [rownr_2, colnr_2]);
                              
                               X_test = mat_2(:，1);
                              
                               Y_test = mat_2(:，2);