我有一个训练集，其输入和输出如下：

Input:0.832 64.6430.818 78.8431.776 45.0490.597 88.3021.412 63.4581.468 49.5351.985 33.3872.073 30.2791.431 55.2311.116 68.5211.617 44.3622.159 66.512Output:0 0 10 0 10 1 00 0 11 0 00 0 10 0 10 1 01 0 01 0 00 1 00 1 0

我需要实现一个线性层神经网络，以便在MATLAB中最好地表示该数据集。在MATLAB中实现此算法的步骤是什么？

目标输出是：对于对应输入所属的特定类别输出“1”，对于其余2个输出输出“0”。

回答：

考虑使用一个隐藏层（包含3个节点）的前馈ANN进行训练的示例。由于你的数据输出点似乎比输入点多，我使用了一个演示数据集，但思路是一样的：

%# load sample datalaod simpleclass_datasetinput = simpleclassInputs;          %# 2x1000, 2-dimensional pointsoutput = simpleclassTargets;        %# 4x1000, 4 classes%# split data into training/testing setstrainInd = 1:500;testInd = 501:1000;%# create ANN and initialize network weightsnet = newpr(input, output, 3);net = init(net);net.trainParam.epochs = 25;        %# max number of iterations%# learn net weights from training datanet = train(net, input(:,trainInd), output(:,trainInd));%# predict output of net on testing datapred = sim(net, input(:,testInd));%# classification confusion matrix[err,cm] = confusion(output(:,testInd), pred);

输出是：

err =     0.075075cm =    81     0     0     0     0    82     0     0     9     0    52    16     0     0     0    93

显然，你需要访问神经网络工具箱。