Réseau de neuron MLP
sarin
-
sarin -
sarin -
Bonjour,
Travail demandé :
1- Utiliser un modèle linéaire (régression linéaire multiple MLR) pour déterminer la
concentration du sucre dans le jus d’orange.
Dans ce cas (x_training, y_training) et (x_validation, y_validation) sont concaténé dans un
seul ensemble X_learning et y_learning. Pour estimer les coefficients (ai et b) du modèle et
l’ensemble de test (x_test, y_test) est utilisé pour estimer les performances du modèle linéaire.
Le critère d’erreur utiliser dans ce mini-projet (pour les modèles linéaire et non-linéaire) est
l’erreur quadratique moyenne normalisée donné par cette équation :
NMSE=(1⁄N)/var(y) ∑_(i=1)^Nt▒(f(x)-y_i ) ^2
où ( ) i f x est la sortie estimée par le modèle dans l’ensemble de test, i y est la sortie désirée,
NT est le nombre d’échantillons dans l’ensemble de test et var(y) est la variance sur tout le
vecteur y [y_training ; y_validation ; y_test].
Dans votre rapport vous devez mentionner dans la première partie :
‐ Les valeurs des coefficients estimés,
‐ Le plot de y_test et y_estimé sur la même figure,
‐ L’erreur (NMSE) obteneu sur l’ensemble de test par le modèle linéaire (MLR).
‐ Interprétation des résultats obtenus pour le modèle linéaire (MLR), plus une
conclusion de votre part sur les problèmes rencontrés dans l’élaboration du modèle
linéaire.
PLUS VIT SVP MA R2PONCE ET MERCI BIEN
Travail demandé :
1- Utiliser un modèle linéaire (régression linéaire multiple MLR) pour déterminer la
concentration du sucre dans le jus d’orange.
Dans ce cas (x_training, y_training) et (x_validation, y_validation) sont concaténé dans un
seul ensemble X_learning et y_learning. Pour estimer les coefficients (ai et b) du modèle et
l’ensemble de test (x_test, y_test) est utilisé pour estimer les performances du modèle linéaire.
Le critère d’erreur utiliser dans ce mini-projet (pour les modèles linéaire et non-linéaire) est
l’erreur quadratique moyenne normalisée donné par cette équation :
NMSE=(1⁄N)/var(y) ∑_(i=1)^Nt▒(f(x)-y_i ) ^2
où ( ) i f x est la sortie estimée par le modèle dans l’ensemble de test, i y est la sortie désirée,
NT est le nombre d’échantillons dans l’ensemble de test et var(y) est la variance sur tout le
vecteur y [y_training ; y_validation ; y_test].
Dans votre rapport vous devez mentionner dans la première partie :
‐ Les valeurs des coefficients estimés,
‐ Le plot de y_test et y_estimé sur la même figure,
‐ L’erreur (NMSE) obteneu sur l’ensemble de test par le modèle linéaire (MLR).
‐ Interprétation des résultats obtenus pour le modèle linéaire (MLR), plus une
conclusion de votre part sur les problèmes rencontrés dans l’élaboration du modèle
linéaire.
PLUS VIT SVP MA R2PONCE ET MERCI BIEN
Configuration: Windows XP Internet Explorer 6.0
7 réponses
-
Et on te demande ça, tu demandes à quelqu'un que tu ne connais absolument pas?
Faut te repencher sur ton choix d'études mon pauvre. -
demande a "ORANGINA " je crois qu'ils ont le même enfin le programme est sur letiquette
-
-
non mec ca marche pas comme ça
si t'as un probleme dans un programme et qu t'arrive pas passer cette etape tu demande de l'aide
mais a tu demande qu'on te fasse ton boulot
alors un conseil
APPREND A PROGRAMMER D'ABORD ET REVIEN POSER DES QUESTIONS -
Vous n’avez pas trouvé la réponse que vous recherchez ?
Posez votre question -
salut;
si tu as fais votre programme et tu as écris a la fin par exemple:
figure(1)
plot(y_test,'*-r')
clicki sur F5(Run) pour voir la figure(1)
bon courage -
tu devrais lire un peux sa t'eviteras de faire des fautes d'orthographe
aller pour etre sympa je te donne un peut de lecture ici
https://matlab.developpez.com/tutoriels/ -
un peux sa t'eviteras de faire des fautes d'orthographe
un peut
