非线性数据类型预测之BP神经网络——基于MATLAB

1、BP网络简介

BP网络（Back-ProPagation Network）又称反向传播神经网络，它是一种前馈式、多层、感知机网络。 通过样本数据的训练，不断修正网络权值和阈值使误差函数沿负梯度方向下降，逼近期望输出。它是一种应用较为广泛的神经网络模型，多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。

BP网络由输入层、隐层和输出层组成，具有高度非线性和较强的泛化能力，但也存在收敛速度慢、迭代步数多、易于陷入局部极小和全局搜索能力差等缺点。

2、数据准备

现有训练、测试数据样本各300个，每个样本含有非线性数据x1,x2两者，还有一个与x1,x2有关的变量“类型”，设为y

3、模型目的

根据训练集中x1,x2与y的关系建立神经网络，从而预测测试集中300个样本数据对应的类型y，然后与实际值比较，确定模型的准确率。

4、模型建立

4.1 把x1,x2作为输入指标，类型作为输出指标。注意：x1,x2每列看做一组输入训练集，所以在读入数据要适当有技巧的转换