[英]Understanding Matlab Pattern Recognition Neural Network Plots
我目前正在做一个关于车辆分类的项目,它现在几乎已经完成,但我对我从神经网络得到的图表有几处困惑
我使用230个图像[90=Hatchbacks,90=Sedans,50=SUVs]
进行80个特征点的分类。 因此我的vInput
是一个[80x230]
矩阵,我的vTarget
是[3x230]
矩阵
分类器运行良好,但我不理解这些情节或它们是否异常。
我的神经网络
然后我点击PLOT
部分中的这4个图并按顺序获得这些图。
绩效图
训练状态
混乱情节
接收机工作特性图
我知道这些图像是很多图像,但我对它们一无所知。 在matlab文档中,他们只是训练系统并绘制图形
所以,请有人向我简单解释一下,或者给我一些学习它们的好链接。
Performance Plot以对数刻度显示所有数据集的均方误差动态。 培训MSE总是在减少,所以你应该对它的验证和测试MSE感兴趣。你的情节显示了完美的训练。
培训州向您显示其他一些培训统计数据。
梯度是以对数标度在每次迭代时的反向传播梯度的值。 5e-7
表示您已达到目标函数的当地最小值的底部。
验证失败是验证MSE增加其值时的迭代。 很多失败意味着owertrainig,但在你的情况下它是好的。 连续6次失败后,Matlab会自动停止训练。
混乱情节 。 在你的情况下,它100%准确。 绿色单元代表正确答案,红色单元代表所有类型的错误答案。
例如,您可以将第一个(训练集)读作:“第1类中的59个样本被严格分类为第1类,第2类中的13个样本被严格分类为第2类,第3类中的6个样本被严格分类被列为第3类“。
接收器操作特性图显示相同的内容,但以不同的方式 - 使用ROC曲线 :
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.