我目前正在做一个关于车辆分类的项目,现在快完成了,但是我对从我的神经网络中得到的图有一些困惑
我使用 230 张图像 [90=Hatchbacks,90=Sedans,50=SUVs]
对 80 个特征点进行分类。
因此,我的 vInput
是一个 [80x230]
矩阵,而我的 vTarget
是 [3x230]
矩阵
分类器效果很好,但我不明白这些图或者它们是否异常。
我的神经网络
然后我在 PLOT
部分点击了这 4 个图,并按顺序得到了它们。
性能图
训练状态
混淆图
接受者操作特征图
我知道图像,它们有很多图像,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
所以请有人向我简要解释一下,或者给我一些好的链接来学习它们。
最佳答案
前两个图显示了训练统计数据。
性能图 以对数标度显示所有数据集的均方误差动态。训练 MSE 总是在减少,因此您应该对它的验证和测试 MSE 感兴趣。您的图显示了完美的训练。
Training State 向您显示一些其他训练统计数据。
梯度是每次迭代的反向传播梯度值,以对数标度表示。 5e-7
表示您已到达目标函数局部最小值的底部。
验证失败是验证 MSE 增加其值时的迭代。很多失败意味着 owertrainig,但在你的情况下没关系。 Matlab 在连续 6 次失败后自动停止训练。
另外两个图显示了训练后网络模拟的结果。
混淆图。在您的情况下,它是 100% 准确的。绿色单元格代表正确答案,红色单元格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 类的 59 个样本被正确分类为第 1 类,第 2 类的 13 个样本被正确分类为第 2 类,第 6 个样本被正确分类3 被正确分类为 3 类。
Receiver Operating Characteristic Plot 显示相同的内容,但方式不同 - 使用 ROC curve :
关于matlab - 了解 Matlab 模式识别神经网络图,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20025068/