正则化工具箱

㈠ 神经网络研究与应用这块用python好还是matlab

看你的需求,
若果你是需要使用神经网络去完成某些数据分析,而你的数据又不是很多(只有几万个样本或十几万个本样),那么建议你使用matlab,里面有已经搭建好的工具箱,非常齐全(神经网络很多种,而且又有不同的学习算法,和是否正则化等等).
若果你只是想学习算法,那么也是matlab较好,一来语法简单,二来网上的资料比较好找.

若果你对神经网络已经熟悉是,是打算投入应用,而且你的数据很大,那么根据你所需要的神经网络,用C或其他你认为性能好的语言,针对你的问题重新编一个算法,也不会花很大功夫.
来自<神经网络之家>nnetinfo

㈡ 神经网络研究与应用这块用python好还是matlab

看你的需求, 若果你是需要使用神经网络去完成某些数据分析,而你的数据又不是很多(只有几万个样本或十几万个本样),那么建议你使用matlab,里面有已经搭建好的工具箱,非常齐全(神经网络很多种,而且又有不同的学习算法,和是否正则化等等). 若果你只是想学习算法,那么也是matlab较好,一来语法简单,二来网上的资料比较好找. 若果你对神经网络已经熟悉是,是打算投入应用,而且你的数据很大,那么根据你所需要的神经网络,用C或其他你认为性能好的语言,针对你的问题重新编一个算法,也不会花很大功夫. 来自<神经网络之家>nnetinfo

㈢ 如何用matlab将离散数据拟合成方程，在线等！！！

同意1楼的回答，用cftool. 但是不知道函数形式的情况下确实不好拟合。

有几类cftool中没有，但科研也常用的函数拟合你可以试试, 比如pade近似,广义回归网络, 主成分分解等.

给你一个贝叶斯正则化训练的BP前馈网络试试看

返回值funObj就是拟合出来的方程

%-----------分割线-----------------

function funObj = netFit(x, y)

maxID=1; % 这里取1. 所以每次运行结果都有所不同，取大点结果基本就不变了.

% Matlab手册建议训练很多网络求平均，比如maxID=100. 可并行加速

% 具体参考doc train --> useParallel, useGPU. 自动的.

net = feedforwardnet(15); % 这个值随便取的，其实有讲究...

net.trainFcn = 'trainbr';

net.divideParam.trainRatio = 0.7;

net.divideParam.valRatio = 0.3;

net.divideParam.testRatio = 0;

net = configure(net, x, y);

net.trainParam.showWindow = 0;

h = waitbar(0,'Training with Bayesian Regularization 0%');

netCollect = cell(maxID,1);

for netID=1:maxID

net = init(net);

net = train(net, x, y);

waitbar(netID/maxID,h ,...

sprintf('Training with Bayesian Regularization %4.1f%%',netID/maxID*100));

netCollect{netID} = net;

end

delete(h);

funObj = @(x)evalNet(netCollect, x);

xfit = linspace(min(x), max(x), 100);

yfit = funObj(xfit);

figure(10);plot(xfit, yfit, 'r-', x, y, 'ok');

legend('Fitted Line','Data')

xlabel('X','FontSize',14);ylabel('Y','FontSize',14);title('maxID=100')

end

function y = evalNet(netCollect, x)

NNet = length(netCollect);

y = zeros(size(x));

for netId=1:NNet

net = netCollect{netId};

y = y+net(x);

end

y = y/NNet;

end

㈣ 关于matlab的SVM工具箱的几个函数

能不用自带函数不，给你个最小二乘支持向量机的自编代码
clear all;
clc;
N=35; %样本个数
NN1=4; %预测样本数
%********************随机选择初始训练样本及确定预测样本*******************************
x=[];
y=[];
index=randperm(N); %随机排序N个序列
index=sort(index);
gama=23.411; %正则化参数
deita=0.0698; %核参数值
%thita=; %核参数值
%*********构造感知机核函数*************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=tanh(deita*(x1'*x2)+thita);
% end
%end
%*********构造径向基核函数**************************************
for i=1:N
x1=x(:,index(i));
for j=1:N
x2=x(:,index(j));
x12=x1-x2;
K(i,j)=exp(-(x12'*x12)/2/(deita*deita));
end
end
%*********构造多项式核函数****************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=(1+x1'*x2)^(deita);
% end
%end
%*********构造核矩阵************************************
for i=1:N-NN1
for j=1:N-NN1
omeiga1(i,j)=K(i,j);
end
end
omeiga2=omeiga1';
omeiga=omeiga2+(1/gama)*eye(N-NN1);
A12=ones(1,N-NN1);
A21=A12';
A=[0 A12;A21 omeiga];
%**************************************
for i=1:N-NN1
B21(i,:)=y(index(i));
end
B=[0;B21];
%********LS-SVM模型的解******************************
C=A\B;
%******
b=C(1); %模型参数
for i=1:N-NN1
aipha(i)=C(i+1); %模型参数，行向量
end
%*******************************************
for i=1:N %预测模型
aifx(i)=b+(aipha)*K(1:N-NN1,i);
end
%*******************************************
aifx
index

㈤ MATLAB 中 正则化函数是什么

不知道你问的是正则化项，还是正则化方法。
（1）如果是正则化项，一般用范数表示：
norm(X)默认等同于 norm(X,2)，返回 X的2-范数；
norm(X,1) 返回 X的1-范数；
norm(X,Inf) 返回 X的无穷范数；
norm(X,'fro') 返回 X的F范数.
（2）如果是某一具体的正则化方法，估计需要自己编程，仿佛曾见过老外编的一个正则化工具箱，里面包括常见的正则化方法，例如：Tikhnove正则化。

㈥ 求大神解答:matlab软件中center and scale x data是什么意思

你好

这句话的意思是将x data原始数据进行中心化与比例化处理。类似于线性插值技术。matlab在曲线拟合工具箱中加入这个选项是为了当X data与ydata拟合不好时，选择这个选项有利于得到更好的拟合效果。matlab通过正则化预测数据（Xdatal）的中心与比例，以有助于预测。具体实现过程如下：

x 是预测数据, μ 是 x的均值, σ 是x的标准差 .把xdata数据转换成z， 转换后的数据中心 为0, 标准差为 1.

经过centering and scaling后，求出的多项式系数是y与z的函数关系，与y与x关系不同。但是模型形式与残差范数没有变化。具体如何实现过程见matlab给出的比较代码：

loadcensus
x=cdate;
y=pop;
z=(x-mean(x))/std(x);%Computez-scoresofxdata
plot(x,y,'ro')%Plotdata
holdon
zfit=linspace(z(1),z(end),100);
pz=polyfit(z,y,3);%Computeconditionedfit
yfit=polyval(pz,zfit);
xfit=linspace(x(1),x(end),100);
plot(xfit,yfit,'b-')%Plotconditionedfitvs.xdata

处理后x与z数据的差异化见下图：

好处是能得到更加精确的拟合结果。

可也有缺点，得不到y与x的直接函数关系式，只能间接通过z得到。

希望对你有帮助！

㈦ 神经网络研究与应用这块用python好还是matlab

看你的需求, 若果你是需要使用神经网络去完成某些数据分析,而你的数据又不是很多(只有几万个样本或十几万个本样),那么建议你使用matlab,里面有已经搭建好的工具箱,非常齐全(神经网络很多种,而且又有不同的学习算法,和是否正则化等等).
若果你只是想学习算法,那么也是matlab较好,一来语法简单,二来网上的资料比较好找. 若果你对神经网络已经熟悉是,是打算投入应用,而且你的数据很大,那么根据你所需要的神经网络,用C或其他你认为性能好的语言,针对你的问题重新编一个算法,也不会花很大功夫.

㈧ MATLAB 中 正则化函数是什么

不知道你问的是正则化项，还是正则化方法。
（1）如果是正则化项，一般用范数表示：
norm(X)默认等同于
norm(X,2)，返回
X的2-范数；
norm(X,1)
返回
X的1-范数；
norm(X,Inf)
返回
X的无穷范数；
norm(X,'fro')
返回
X的F范数.
（2）如果是某一具体的正则化方法，估计需要自己编程，仿佛曾见过老外编的一个正则化工具箱，里面包括常见的正则化方法，例如：Tikhnove正则化。

㈨ 神经网络研究与应用这块用python好还是matlab

若果你是需要使用神经网络去完成某些数据分析,而你的数据又不是很多(只有几万个样本或十几万个本样),那么建议你使用matlab,里面有已经搭建好的工具箱,非常齐全(神经网络很多种,而且又有不同的学习算法,和是否正则化等等).
若果你只是想学习算法,那么也是matlab较好,一来语法简单,二来网上的资料比较好找.

若果你对神经网络已经熟悉是,是打算投入应用,而且你的数据很大,那么根据你所需要的神经网络,用C或其他你认为性能好的语言,针对你的问题重新编一个算法,也不会花很大功夫.