matlab神经网络代码

matlab
% 创建一个简单的神经网络
net = feedforwardnet(10); % 创建一个包含10个隐藏层神经元的前向神经网络

% 准备数据
load iris_dataset % 加载示例数据集
x = irisInputs; % 输入数据
t = irisTargets; % 目标数据

% 将数据集分为训练集和测试集
[trainInd,~,testInd] = dividerand(size(x,2),0.7,0,0.3);
x_train = x(:,trainInd);
t_train = t(:,trainInd);
x_test = x(:,testInd);
t_test = t(:,testInd);

% 设置训练参数
net.trainParam.showWindow = false; % 不显示训练窗口
net.trainParam.showCommandLine = true; % 显示命令行输出

% 训练神经网络
net = train(net, x_train, t_train);

% 测试神经网络
y = net(x_test);

% 计算测试误差
performance = perform(net, t_test, y);

disp(['测试误差：', num2str(performance)]);

这个示例使用了 Iris 数据集，其中包含了三种不同类型的鸢尾花的样本数据。您可以替换为您自己的数据集。

feedforwardnet(10) 创建了一个前馈神经网络，该网络包含一个隐藏层，其中有 10 个神经元。

load iris_dataset 加载了 Iris 数据集，其中包含输入数据 irisInputs 和目标数据 irisTargets。

dividerand(size(x,2),0.7,0,0.3) 将数据集分为 70% 的训练集和 30% 的测试集。

train(net, x_train, t_train) 对神经网络进行训练，其中 x_train 是训练输入数据，t_train 是对应的目标数据。

net(x_test) 使用训练好的神经网络对测试集进行预测。

perform(net, t_test, y) 计算了神经网络在测试集上的性能，返回测试误差。