资源描述：
《数据挖掘 实验七.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、BP神经网络在肺癌分类中应用一、实验目的用BP神经网络算法，对三类肺癌的样本通过MATLAB软件进行模拟仿真，进行分类。通过这个实例熟悉BP神经网络算法和MATLAB软件的使用。二、实验步骤1、下载肺癌数据，使用MATLAB软件进行模拟仿真2、数据预处理--对用“？”表示的数据统一用“0”填充3、输入算法的代码4、调试三、代码分析clc;clear;%清屏的作用%读取数据data=dlmread('lung-cancer.data',',');%把data分为目标向量和预测向量%T0为目标向量，取数据矩阵的每行第一列数据T0=data(:,1);%P0为预测向量
2、,取数据矩阵每行从第二列开始的数据P0=data(1:32,2:57);%把目标值离散分离变量fori=1:32temp=T0(i,:);ifmod(temp(1),3)==1T(i,:)=[1,0,0];elseifmod(temp(1),3)==2T(i,:)=[0,1,0];elseifmod(temp(1),3)==0T(i,:)=[0,0,1];endendT;T=T';P=P0'%将创建一个三层前馈神经网路。它的输入向量是minmax(P)，第一层有56个神经元(56)，第二层有10个神经元(10)第三层输出层有3个神经元（3）。第一层与第二层的传递
3、函数是tansig，输出层的传递函数是purelin。训练函数是traingdm,traingdm代表梯度下降法。net=newff(minmax(P),[56,10,3],{'tansig','tansig','purelin'},'traingdm');%由于每次创建网络时，其权值与阈值不同，所以初始化网络net=init(net);%设置训练次数net.trainParam.epochs=1000;%设定可接受的误差范围net.trainParam.goal=0.03;%进行训练得出权值的最优值net=train(net,P,T);%进行仿真，把P中的数据
4、代入训练后的模型net中A=sim(net,P);E=T-A;MSE=mse(E);%得到的预测值out=sim(net,P);%得到10行2列的小数，z=out'%得到结果矩阵result=[];fork=1:32%[C，I]是result数组的索引号，I为输出神经元中最大的那个数的索引号。[C,I]=max(z(k,:));%result里面存放的是1、2。用于和T0比较result=[result;I];end%计算正确率total=0;fori=1:32ifT0(i,:)==result(i,:)%把T0和result的每个数据进行比较total=tot
5、al+1;endenddisp('正确率为:');total/32四．实验数据以及结果点击窗口可以选择显示不同的视图点击“Performance”,显示的视图点击”TraningState”显示的视图为：
