-
Notifications
You must be signed in to change notification settings - Fork 0
/
homeRun.m
151 lines (121 loc) · 4.84 KB
/
homeRun.m
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
clear all
clc
veri=xlsread('boston.xls');
%Veri genel bilgi
xCrim=datastats(veri(:,1:1));
xZn=datastats(veri(:,2:2));
xIndus=datastats(veri(:,3:3));
xChas=datastats(veri(:,4:4));
xNox=datastats(veri(:,5:5));
xRm=datastats(veri(:,6:6));
xAge=datastats(veri(:,7:7));
xDis=datastats(veri(:,8:8));
xRad=datastats(veri(:,9:9));
xTax=datastats(veri(:,10:10));
xPtraitio=datastats(veri(:,11:11));
xB=datastats(veri(:,12:12));
xLstat=datastats(veri(:,13:13));
yMedv=datastats(veri(:,14:14));
%Input target
input=veri(:,1:13);
target=veri(:,14:14);
%Histogram
%h=histogram(target);
%Scatter
%---------------------------------------------------
%Suc Orani
% scatter(veri(:,1:1),veri(:,14:14));
% title('Suc Oranının Medv ile Karşılaştırılması');
%25,000 Fit Kare Üssü İmarlı Konut Alan
% scatter(veri(:,2:2),veri(:,14:14));
% title('25,000 Fit Kare Üssü İmarlı Konut Alanı Oranının Medv ile Karşılaştırılması');
% Şehirde Perakende Olmayan İşletme Dönüm Oranı
% scatter(veri(:,3:3),veri(:,14:14));
% title('Şehirde Perakende Olmayan İşletme Dönüm Oranı Medv ile Karşılaştırılması');
% Eğer Nehir Sınırı Yolu Üzerinde ise 1,Değil ise
% scatter(veri(:,4:4),veri(:,14:14));
% title('Eğer Nehir Sınırı Yolu Üzerinde ise 1,Değil ise 0 Medv ile Karşılaştırılması');
% Nitrik Oksit Yoğunluğu
% scatter(veri(:,5:5),veri(:,14:14));
% title('Nitrik Oksit Yoğunluğu Medv ile Karşılaştırılması');
% Konut Başına Ortalama Oda Sayısı
% scatter(veri(:,6:6),veri(:,14:14));
% title('Konut Başına Ortalama Oda Sayısı Medv ile Karşılaştırılması');
% 1940 dan Önce İnşa Edilmiş Oranı
% scatter(veri(:,7:7),veri(:,14:14));
% title('1940 dan Önce İnşa Edilmiş Oranı Medv ile Karşılaştırılması');
% 5 Boston İş Merkezine Ağırlıklandırılmış Uzaklıkları
% scatter(veri(:,8:8),veri(:,14:14));
% title('5 Boston İş Merkezine Ağırlıklandırılmış Uzaklıkları Medv ile Karşılaştırılması')
% Radyal otoyollara erişilebilirlik indeksi
% scatter(veri(:,9:9),veri(:,14:14));
% title('Radyal Otoyollara Erişilebilirlik İndeksiı Medv ile Karşılaştırılması')
% title('Emlak Vergi Oranı
% scatter(veri(:,10:10),veri(:,14:14))
% title('Emlak Vergi Oranı Medv ile Karşılaştırılması')
% Bölgedeki öğrenci öğretmen oranı
% scatter(veri(:,11:11),veri(:,14:14))
% title('Bölgedeki Öğrenci Öğretmen Oranı Medv ile Karşılaştırılması')
% bölgedeki siyahların oranı
% scatter(veri(:,12:12),veri(:,14:14))
% title('Bölgedeki Siyahların Medv ile Karşılaştırılması')
% Nüfusun düşük statüsü
% scatter(veri(:,13:13),veri(:,14:14))
% title(' Nüfusun Düşük Statüsü Medv ile Karşılaştırılması')
n1=8;
n2=8;
%Back pro
% trainlm - Levenberg-Marquardt backpropagation.
% trainbr - Bayesian Regulation backpropagation.
% trainbfg - BFGS quasi-Newton backpropagation.
% Backpropagation training functions that use gradient derivatives
%
% These algorithms may not be as fast as Jacobian backpropagation.
% They are supported on GPU hardware with the Parallel Computing Toolbox.
%
% trainbfg - BFGS quasi-Newton backpropagation.
% traincgb - Conjugate gradient backpropagation with Powell-Beale restarts.
% traincgf - Conjugate gradient backpropagation with Fletcher-Reeves updates.
% traincgp - Conjugate gradient backpropagation with Polak-Ribiere updates.
% traingd - Gradient descent backpropagation.
% traingda - Gradient descent with adaptive lr backpropagation.
% traingdm - Gradient descent with momentum.
% traingdx - Gradient descent w/momentum & adaptive lr backpropagation.
% trainoss - One step secant backpropagation.
% trainrp - RPROP backpropagation.
% trainscg - Scaled conjugate gradient backpropagation.
%Supervised
%trainr - Random order weight/bias training.
activationFunc1='tansig';
activationFunc2='tansig';
trainingFunc='trainbr';
epochSayi=1000;
lrate=1e-100;
%Oranlar
trainOran=0.75;
valOran=0.0;
testOran=0.25;
[inputMinmax2,targetMinMax2,net,tr,trainTarget,trainOut,valTarget,valOut,testTarget,testOut,performans,input_layer_weight,layer_weight,bias,MAPE,SSTotal,SSError,R2Test] = nnFonksiyonu(input,target,n1,activationFunc1,trainingFunc,epochSayi,lrate,trainOran,valOran,testOran)
%Train Grafik
plot(trainTarget,'-b');
hold on
plot(trainOut,'-r');
legend('Train Target','Train Out')
grid on
xlabel('\it Sira no','fontsize',12)
ylabel('Sonuc','fontsize',12)
fprintf('Program paused. Press enter to continue.\n');
pause;
%Test Grafik
plot(testTarget,'-b');
hold on
plot(testOut,'-r');
legend('Test Target','Test Out')
grid on
xlabel('\it Sira no','fontsize',12)
ylabel('Sonuc','fontsize',12)
title('Test Sonuclarının Karsilastirilmasi')
karsilastirma=[tr.testInd' testTarget testOut'];
karsilastirmaTrain=[tr.trainInd' trainTarget trainOut'];
karsilastirmaFull =[karsilastirma
karsilastirmaTrain ];