Trazar histograma de errores para una red neuronal
Este ejemplo muestra cómo visualizar errores entre los valores objetivo y los valores predichos después de entrenar una red neuronal de avance.
Leer datos del canal ThingSpeak™ de la estación meteorológica
El canal ThingSpeak 12397 contiene datos de la estación meteorológica MathWorks®, ubicada en Natick, Massachusetts. Los datos se recopilan una vez por minuto. Los campos 2, 3, 4 y 6 contienen datos de velocidad del viento (mph), humedad relativa, temperatura (F) y presión atmosférica (inHg), respectivamente. Lea los datos del canal 12397 usando la función thingSpeakRead
.
data = thingSpeakRead(12397,'Fields',[2 3 4 6],'Numpoints',500,'outputFormat','table');
Asignar variables de entrada y valores objetivo
Asigne variables de entrada y calcule el punto de rocío a partir de la temperatura y la humedad relativa para utilizarlas como objetivo. Convierta la temperatura de Fahrenheit a Celsius y especifique las constantes para el vapor de agua (b) y la presión barométrica (c). Calcule el valor intermedio 'gamma' y asigne valores objetivo para la red.
inputs = [data.Humidity'; data.TemperatureF'; data.PressureHg'; data.WindSpeedmph']; tempC = (5/9)*(data.TemperatureF-32); b = 17.62; c = 243.5; gamma = log(data.Humidity/100) + b*tempC ./ (c+tempC); dewPointC = c*gamma ./ (b-gamma); dewPointF = (dewPointC*1.8) + 32; targets = dewPointF';
Cree y entrene la red feedforward de dos capas
Utilice la función feedforwardnet
para crear una red feedforward de dos capas. La red tiene una capa oculta con 10 neuronas y una capa de salida. Utilice la función train
para entrenar la red feedforward utilizando las entradas.
net = feedforwardnet(10); [net,tr] = train(net,inputs,targets);
Utilice el modelo entrenado para predecir datos
Una vez entrenada y validada la red, puede utilizar el objeto de red para calcular la respuesta de la red a cualquier entrada, en este caso el punto de rocío para el quinto punto de datos de entrada.
outputs = net(inputs(:,5))
outputs = 22.8618
Trazar el histograma de error
Calcule los valores de error como la diferencia entre los valores objetivo y los valores previstos.
error = targets - outputs;
number_of_bins = 10;
ploterrhist(error,'bins',number_of_bins);
El gráfico muestra un histograma de error con 10 contenedores.
Consulte también
Funciones
train
(Deep Learning Toolbox) |feedforwardnet
(Deep Learning Toolbox) |ploterrhist
(Deep Learning Toolbox) |thingSpeakRead