利用神经网络对鸢尾花数据集分类

利用神经网络对鸢尾花数据集分类

详细实现代码请见：https://download.csdn.net/download/weixin_43521269/12578696
一.简介
一个人工神经元网络是由一个多层神经元结构组成，每一层神经元拥有输入（它的输入是前一层神经元的输出）和输出，我们把神经元和与之对应的神经元之间的连线用生物学的名称，叫做突触，在数学模型中每个突触有一个加权数值，称做权重，此时第i层上的某个神经元所得到的输出等于每一个权重乘以第i-1层上对应的神经元的输出之和，最后再通过激活函数来对输出进行量化，在与阈值相比较判断是否属于某一类。
本文主要对BP神经网络进行一些粗浅的研究，对神经网络的原理进行了解后，尝试编写基于matlab的BP神经网络代码，然后进行实验。主要采取matlab中自带的数据集：鸢尾花数据集，有三个类别且每个类别具有4个属性，采用K-fold（交叉验证）对数据集进行划分，获取训练数据和测试数据，使用训练集进行训练，得出感知器输出方程的各个权重，接下来对测试集进行测试，最终与原标签进行比较，计算准确率。再调用matlab中的神经网络包对测试集进行测试，得出结果与编写的进行比较。

二.问题描述与数据描述
（一）问题描述
通过本实验加深对神经网络的理解，实现使用BP神经网络对鸢尾花数据集进行分类。

（二）数据描述
matlab中有自带的鸢尾花数据集，且都是已经处理好成mat格式，故只要直接导入便可。它是很常用的一个数据集，鸢尾花有三个分类，分别是山鸢尾（Iris-setosa）、变色鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica）。而且只有四个属性，分别是花萼长度、花萼宽度、花瓣长度、花瓣宽度。总共150条数据。
三.如何解决问题
（一）模型假设
将鸢尾花的属性以坐标形式表示，建立以下支持BP神经网络模型：

1.如图所示