for(i in 1:1000)
{
k[[i]] <- nn2()
}
newdata=c() #1
for(i in 1:1000)
{
#方法一:三次样条法
library(splines)
m1 <- lm(h~bs(a,df=3),data=k[[i]])
#预测百分位数值
new <- data.frame(a=7:20)
cs.p <- predict(m1, new)
#均方差
mse.cs <- sum( (st$p50-cs.p)^2 )/14
#最大范数误差
mne.cs <- max(abs(st$p50-cs.p))
newdata<-rbind(newdata,mse.cs) #2
print(newdata) #3
}
aa<-mean(newdata) #4
新建newdata来保存循环的结果,以便对循环的结果进行后续操作比如求均值并保存在aa中
你在建立网络的时候不是用了net=newff(……)吗?这个net就是输出的结果。newff函数只是初始化一个神经网络,之后还得用train函数训练,训练好的net就是你要的网络。
newff函数的格式为:
net=newff(PR,[S1 S2 ...SN],{TF1 TF2...TFN},BTF,BLF,PF),函数newff建立一个可训练的前馈网络。输入参数说明:
PR:Rx2的矩阵以定义R个输入向量的最小值和最大值;
Si:第i层神经元个数;
TFi:第i层的传递函数,默认函数为tansig函数;
BTF:训练函数,默认函数为trainlm函数;
BLF:权值/阀值学习函数,默认函数为learngdm函数;
PF:性能函数,默认函数为mse函数。