`
endual
  • 浏览: 3566130 次
  • 性别: Icon_minigender_1
  • 来自: 杭州
社区版块
存档分类
最新评论

Weka BP神经网络(Neural Networks)

 
阅读更多

Weka BP神经网络(Neural Networks)分析

(2011-04-17 11:36:12)

Weka 神经网络分析

常用的神经网络就是向前反馈的 BP(Back Propagation) 网络,也叫多层前馈网络,而 BP weka 中就是由 MultilayerPerceptron 算法实现的。

(1)  Weka 主界面选择 Explorer>Open file 选择数据文件(将xls转换成csv格式)

Weka <wbr>BP神经网络(Neural <wbr>Networks)分析

(2)  选择 Classify 选项卡,选择 Choose 按钮,然后再选择 functions>MultiLayerPreceptron

(3)  Test Option 中选择 Use Training set ,然后单击 Choose 右侧文本框

Weka <wbr>BP神经网络(Neural <wbr>Networks)分析

GUI 下拉框,选择 True ,其他默认,在 Start 按钮上方选择输出层,即要预测的值,然后点击点击 OK 按钮,然后单击 Start 按钮,设置参数,

Weka <wbr>BP神经网络(Neural <wbr>Networks)分析

点击 Start ,运行后选择 Accept 。( momentum 带动量)

得到运行结果,在 Exploerer>Classifier output 中可以看到结果:

 

=== Run information ===

 

Scheme:       weka.classifiers.functions.MultilayerPerceptron -L 0.3 -M 0.2 -N 500 -V 0 -S 0 -E 20 -H a -G -R

Relation:     shuizhi2003-weka.filters.unsupervised.attribute.Remove-R2-7

Instances:    23

Attributes:   7

              溶解氧

              B1

              B2

              B3

              B4

              B5

              B6

Test mode:    evaluate on training data

 

=== Classifier model (full training set) ===

 

Linear Node 0

    Inputs    Weights

    Threshold    -0.7803035779165746

    Node 1    -3.5991023803526447

    Node 2     2.1968777991012516

    Node 3    3.146316946815286

Sigmoid Node 1

    Inputs    Weights

    Threshold    -2.1644039121288583

    Attrib B1    3.5316131171975034

    Attrib B2    -3.2085377318533648

    Attrib B3    -3.040826618503377

    Attrib B4    2.5982786224902887

    Attrib B5    -0.11957884133740122

    Attrib B6    1.844990948707308

Sigmoid Node 2

    Inputs    Weights

    Threshold    -1.0555748116838761

    Attrib B1    -0.3887415141267751

    Attrib B2    1.7835144295128773

    Attrib B3    -1.404906253700419

    Attrib B4    -2.458278666190213

    Attrib B5    4.483492439027104

    Attrib B6    -4.021881778908347

Sigmoid Node 3

    Inputs    Weights

    Threshold    -0.4134171735223275

    Attrib B1    0.12309277936284704

     Attrib B2    1.278817931602191

    Attrib B3    0.5473417036767106

    Attrib B4    0.18852178888400642

    Attrib B5    3.3505018112173235

    Attrib B6    2.1259296458835206

Class

    Input

    Node 0

 

 

Time taken to build model: 319.32 seconds

 

=== Evaluation on training set ===

=== Summary ===

 

Correlation coefficient                  0.9261

Mean absolute error                      0.9066

Root mean squared error                  1.1904

Relative absolute error                 34.8133 %

Root relative squared error             40.4467 %

Total Number of Instances               23   

0

分享到:
评论

相关推荐

    Java调用weka神经网络算法预测股票 代码及数据

    本话题主要探讨如何使用Java结合Weka这一开源机器学习库来构建神经网络模型,以预测股票市场。Weka是一个强大的工具,提供了多种机器学习算法,包括神经网络,用于数据挖掘和模式识别任务。 首先,我们要理解神经...

    「java调用Weka中神经网络的算法(从数据库中取数据)」.docx

    ### Java调用Weka中神经网络的算法(从数据库中取数据) #### 一、概述 本文档旨在介绍如何利用Java编程语言结合Weka库来实现神经网络算法,并且能够从数据库中读取数据来进行训练与预测的过程。Weka是一款非常强大...

    java调用Weka中神经网络的算法(从数据库中取数据).docx

    通过以上步骤,我们不仅了解了如何使用Java调用Weka中的BP神经网络算法,还学会了如何从外部数据源加载训练集和测试集数据。这对于实际的应用场景来说非常有用,特别是在处理大规模数据集时,能够有效地利用数据库等...

    原棉性能与成纱质量的WEKA-人工神经网络预测.pdf

    与此同时,人工神经网络(Artificial Neural Network,ANN)尤其是其中的BP(Back Propagation)神经网络模型,由于其结构和工作原理类似于人脑的神经网络,已被证明在处理非线性、复杂的数据关系预测上具有独特的...

    人工神经网络最后的实验

    在本实验中,我们探讨了两种不同的ANN训练方法:反向传播(BP)算法和径向基函数(RBF)神经网络。这两种方法在解决分类和回归问题时有着各自的特点和优势。 首先,让我们深入理解BP算法。BP算法是多层前馈神经网络最...

    基于BIM技术和BP神经网络的成都理工大学图书馆天然采光研究.pdf

    进一步,研究采用了Weka软件建立基于BP算法的神经网络模型。Weka是一款流行的开源数据挖掘工具,其中的BP算法是训练多层感知器神经网络的一种方法。通过对神经网络模型的训练,可以预测在最优采光系数下,上述变量的...

    neural-networks.rar_neural network

    本文将深入探讨如何使用 Java 开发神经网络,并基于提供的"neural-networks.rar"压缩包文件来理解其核心概念。 神经网络是受生物神经元结构启发的计算模型,它通过模拟人脑神经元之间的连接和通信机制来进行学习和...

    weka-neural:主要用于分析weka下关于神经元网络

    【标题】"weka-neural" 是一个专用于分析Weka框架下的神经网络工具,它主要聚焦于理解和操作Weka中的神经元网络算法。 【描述】"微神经"这一称呼可能指的是该工具对神经网络模型的精细化研究,尤其是针对Weka中的源...

    Weka 贝叶斯网络实践教程

    Weka 贝叶斯网络实践教程,讲述贝叶斯网络建模软件Weka的基本功能和操作流程

    神经网络ppt

    本文将基于“神经网络PPT”的内容,深入探讨神经网络的基本原理、学习算法以及在实际软件Weka中的应用。 ### 数学基础 神经网络的构建和理解离不开坚实的数学基础。其中,**冲激函数**、**阶跃函数**、**Sigmoid...

    IFC.zip_weka_weka svm_人工智能/神经网络/深度学习

    标题中的“IFC.zip_weka_weka svm_人工智能/神经网络/深度学习”表明这是一个关于在Weka数据挖掘工具中应用支持向量机(SVM)的资源包,专门用于人工智能、神经网络和深度学习领域。这个压缩包可能包含了一些用于...

    Neural Network Programming with Java 神经网络算法与实现源码.zip

    - **库的选择**:Java中常用的深度学习库有Deeplearning4j、Weka、Encog等,它们提供了构建神经网络的API。 - **数据预处理**:包括归一化、标准化、缺失值处理等,确保数据适合输入神经网络。 - **模型定义**:...

    神经网络java库

    除了神经网络,Java库在机器学习领域也有其他选择,如Weka和Deeplearning4j。Weka是一个强大的数据挖掘工具,包含多种机器学习算法,而Deeplearning4j则专注于深度学习,支持更复杂的神经网络结构和GPU加速。 总结...

    Neural-Networks

    神经网络(Neural Networks)是人工智能领域中的一个重要分支,它模拟了人脑神经元的工作机制,用于解决复杂的学习和模式识别问题。神经网络由大量的处理单元(称为神经元)组成,这些神经元通过连接形成多层结构,...

    weka经典七个数据集

    数据挖掘是一个涵盖众多方法和技术的领域,包括决策树、贝叶斯网络、支持向量机、聚类算法等,这些都可以在Weka中实现。 在使用这些数据集时,首先需要进行数据预处理,这可能包括缺失值处理、异常值检测、特征缩放...

    神经网络分类器比较

    文档中提到了17种不同家族的分类器,包括判别分析(Discriminant Analysis)、贝叶斯分类器(Bayesian)、神经网络(Neural Networks)、支持向量机(Support Vector Machines,SVM)、决策树(Decision Trees)、...

    Weka 中文版 v0.3 发布 基于weka 3.7.12 x64

    在第2版weka中文版的 基础上制作了第3版,暂定版本v0.3。将 guichooser 汉化完成。考虑到大家还是习惯使用 guichooser 作为默认启动界面,将 RunWeka.ini 中的设置恢复默认。但是为了支持中文,其中的编码选项从 cp...

    weka-src[weka源码]

    我们可以在这个目录下找到各种数据处理和机器学习算法的实现,包括数据预处理类(如过滤器)、学习算法(如决策树、贝叶斯网络、支持向量机等)、评估工具以及用户界面相关的组件。此外,Weka源码还可能包含了测试...

Global site tag (gtag.js) - Google Analytics