Documentos de Académico
Documentos de Profesional
Documentos de Cultura
clc
clearvars
%Cargamos los datos
load data2.mat
TFORCE=force;
%dividir data
[trainInd,valInd,testInd] = dividerand(2000,0.7,0.15,0.15);
Tforcetrain=TFORCE( trainInd,:)';
Tforcevalid=TFORCE( valInd,:)';
Tforcetest=TFORCE( testInd,:)';
T1train=T1( :,trainInd);
T1valid=T1( :,valInd);
T1test=T1( :,testInd);
perf = 0.0147
testX = Tforcevalid;
testT = T1valid;
testY = net(testX);
testIndices = vec2ind(testY);
%Creamos la matriz de confusion
plotconfusion(testT,testY)
1
%Analisis por PCA
%preparamos la data
X = TFORCE;
mu = mean(X);
r = range(X);
X = (X-mu)./r;
[P,S,V] = pca(X);
Vnorm = V/sum(V); %
suma=0;
j=1;
while suma <=0.95
suma=Vnorm(j)+suma;
j=j+1;
end
2
j-1
ans = 8
perf1 = 0.0541
testX1 = S(valInd,8)';
testT1 = T1valid;
testY1 = net1(testX1);
testIndices1 = vec2ind(testY1);
%Creamos la matriz de confusion
plotconfusion(testT1,testY1)
3
%Vemos que el feedfoward con pca tiene una muy buena precision,esto es un
%gran aporte para que las computadoras de bajo rendimiento