老饼讲解-神经网络 机器学习 神经网络 深度学习
BP神经网络入门
1.初识BP神经网络
2.BP基本原理与建模
3.进阶-自实现一个BP神经网络

【概述】BP神经网络建模步骤概述

作者 : 老饼 日期 : 2022-06-09 03:46:13 更新 : 2023-12-24 21:08:48
本站原创文章,转载请说明来自《老饼讲解-BP神经网络》www.bbbdata.com



本文讲解一个BP神经网络的完整建模流程,包括数据预处理、训练、及评估等

通过本文,可以整体性地了解建模过程有哪些,要做些什么等等




  01. BP神经网络的建模步骤  


本节介绍一个BP神经网络的建模主要步骤


      BP神经网络建模主流程步骤      


BP神经网络的建模流程主要步骤如下
 
BP神经网络建模主流程步骤
总的来说,BP神经网络建模的主流程共有3个大步骤,6个小步骤,
 具体如下:
  👉 数据预处理 :数据归一化、数据划分                      
 👉 网络构建 :网络结构设置、网络训练                     
 👉 效果评估 :模型训练效果评估、模型预测效果评估
✍️特别说明
 
以上是一个BP神经网络的完整建模流程,
但如果使用matlab工具箱实现,就不是按这个流程操作
因为工具箱已经帮我们高度封装一些流程了






  02.BP神经网络建模步骤详述  



本节详细介绍BP神经网络建模步骤处理的内容和目的



   BP神经网络建模-数据预处理   


数据归一化
在模型训练之前,需要把所有数据(X和y)都进行归一化
数据归一化主要是为了网络求解的便利性
 数据划分
 
一般将数据划分成三部分,训练数据、验证数据、测试数据
  训练数据:用于求解(调整w,b)                                                            
  验证数据:验证数据主要用于防止训练走向过拟合。                           
  测试数据:不参与任何训练过程,纯粹用于检验模型最后的测试效果    
 可以按训练数据70%、验证数据15%、测试数据15%的比例随机分割



     BP神经网络建模-模型构建    


结构设置
设置BP神经网络的隐层层数(一般都是一个隐层),和隐层神经元个数

训练(求解w,b)
用训练数据对BP神经网络进行训练,可采用梯度下降法、LM法等等
在训练过程中,需要不断用验证数据检验模型的泛化能力
 如果训练数据效果越来越好,而验证数据效果越来越差
则说明走在了过拟合的路上,这时就应该停止训练




     BP神经网络建模-效果评估     


 模型训练效果评估
检验模型对训练数据的预测效果,
一个BP神经网络训练成功的表现就是训练数据误差达到要求
 模型预测效果评估
检验模型对测试数据(未参与训练的数据)的预测效果,
一个BP神经网络可用的表现就是模型测试数据误差达到要求





  03. BP神经网络的建模步骤-总结  



本节总结BP神经网络的建模步骤与过程



       BP神经网络建模步骤-总结     


综上所述,BP神经网络的建模过程一般如下:
1.数据处理                                      

在BP神经网络建模时,一般会先数据归一化         
并将数据分割成训练数据、验证数据和测试数据   
 2.模型构建                                      
 
       BP神经网络模型的构建,也就是设置网络的结构            
 由于常用的都是一隐层,tansig+purelin的结构, 
因此一般只需设置隐层的隐节点个数            

 3.效果检查                                     
训练完后,检查训练数据、测试数据的预测效果,
              如果两者都满足需求,就可以将模型投入使用了                 





以上就是BP神经网络建模步骤的基本内容了~







 End 





联系老饼