plotperform

R2026b

(제거될 예정임) 신경망 성능 플로팅

plotperform 함수는 향후 릴리스에서 제거될 예정입니다. 자세한 내용은 레거시 신경망 코드를 dlnetwork 워크플로로 전환하기 항목을 참조하십시오.

코드 업데이트에 대한 자세한 지침은 버전 내역 항목을 참조하십시오.

구문

plotperform(TR)

설명

plotperform(TR)은 함수 train이 반환하는 훈련 기록 TR의 훈련, 검증 및 테스트 성능에 대한 Epoch-오차 그래프를 플로팅합니다.

예제

신경망의 검증 성능 플로팅하기

이 예제에서는 plotperform을 사용하여 훈련 Epoch에 대한 훈련 기록 오차 값의 플롯을 얻는 방법을 보여줍니다.

[x,t] = bodyfat_dataset;
net = feedforwardnet(10);
[net,tr] = train(net,x,t);

plotperform(tr)

일반적으로 훈련 Epoch가 더 많아지면 오차가 감소하지만, 신경망이 훈련 데이터를 과적합하기 시작하면 검증 데이터 세트에 대해 오차가 증가할 수 있습니다. 디폴트 설정에서는 검증 오차가 6회 연속 증가하면 훈련이 중지되고 검증 오차가 가장 낮은 Epoch에서 최상의 성능을 취합니다.

입력 인수

TR — 훈련 기록

구조체

훈련 기록(epoch와 perf)로, 신경망 훈련 함수(net.NET.trainFcn)에 따라 필드가 결정되는 구조체로 반환됩니다. 다음과 같은 필드를 포함할 수 있습니다.

• 훈련, 데이터 분할, 성능 함수와 파라미터

• 훈련, 검증, 테스트 세트의 데이터 분할 인덱스

• 훈련, 검증, 테스트 세트의 데이터 분할 마스크

• Epoch 횟수(num_epochs) 및 최적의 Epoch(best_epoch).

• 훈련 상태 이름 목록(states)

• 훈련 전체에 걸쳐 기록된 각 상태 이름에 대한 필드

• 최적의 신경망의 성능(best_perf, best_vperf, best_tperf)

버전 내역

R2008a에 개발됨

R2026a: plotperform 함수는 제거될 예정임

plotperform 함수는 향후 릴리스에서 제거될 예정입니다.

시각화 워크플로에 대해 자세히 알아보려면 다음 예제와 항목을 참조하십시오.

• Deep Learning Visualization Methods

• Explore Network Predictions Using Deep Learning Visualization Techniques

• Deep Learning Metrics

• 딥러닝 훈련 진행 상황 모니터링하기

• ROC Curve and Performance Metrics

훈련 중에 훈련 및 검증 메트릭을 시각화하려면 trainingOptions 함수의 Plots 인수를 "training-progress"로 설정하십시오.

자세한 내용은 레거시 신경망 코드를 dlnetwork 워크플로로 전환하기 항목을 참조하십시오.

참고 항목

시계열 모델러 | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

도움말 항목

• Training Neural Networks with Tabular Data
• 딥러닝 계층 목록
• 레거시 신경망 코드를 dlnetwork 워크플로로 전환하기