[英]Understanding Matlab Pattern Recognition Neural Network Plots
我目前正在做一個關於車輛分類的項目,它現在幾乎已經完成,但我對我從神經網絡得到的圖表有幾處困惑
我使用230個圖像[90=Hatchbacks,90=Sedans,50=SUVs]
進行80個特征點的分類。 因此我的vInput
是一個[80x230]
矩陣,我的vTarget
是[3x230]
矩陣
分類器運行良好,但我不理解這些情節或它們是否異常。
我的神經網絡
然后我點擊PLOT
部分中的這4個圖並按順序獲得這些圖。
績效圖
訓練狀態
混亂情節
接收機工作特性圖
我知道這些圖像是很多圖像,但我對它們一無所知。 在matlab文檔中,他們只是訓練系統並繪制圖形
所以,請有人向我簡單解釋一下,或者給我一些學習它們的好鏈接。
Performance Plot以對數刻度顯示所有數據集的均方誤差動態。 培訓MSE總是在減少,所以你應該對它的驗證和測試MSE感興趣。你的情節顯示了完美的訓練。
培訓州向您顯示其他一些培訓統計數據。
梯度是以對數標度在每次迭代時的反向傳播梯度的值。 5e-7
表示您已達到目標函數的當地最小值的底部。
驗證失敗是驗證MSE增加其值時的迭代。 很多失敗意味着owertrainig,但在你的情況下它是好的。 連續6次失敗后,Matlab會自動停止訓練。
混亂情節 。 在你的情況下,它100%准確。 綠色單元代表正確答案,紅色單元代表所有類型的錯誤答案。
例如,您可以將第一個(訓練集)讀作:“第1類中的59個樣本被嚴格分類為第1類,第2類中的13個樣本被嚴格分類為第2類,第3類中的6個樣本被嚴格分類被列為第3類“。
接收器操作特性圖顯示相同的內容,但以不同的方式 - 使用ROC曲線 :
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.