matlab编写代码 1.用FAMALE.TXT和MALE.TXT的数据(共有三列，包括身高、体重、性别）作为训练样本集，建立BP神经网络分类器。2.用测试样本数据test.txt（共有三例，包括身高、体重、性别）对该分类器进行测试。评价模型。

好的，以下是Matlab代码实现BP神经网络分类器的建立和测试。

首先，读取训练样本数据（FEMALE.TXT和MALE.TXT）：

% 读取训练样本数据
data = load('FEMALE.TXT');
female_data = [data, zeros(size(data,1),1)]; % 将性别标记为0
data = load('MALE.TXT');
male_data = [data, ones(size(data,1),1)]; % 将性别标记为1
train_data = [female_data; male_data]; % 合并为训练数据

然后，对训练数据进行归一化处理：

% 归一化处理
train_X = train_data(:,1:2)';
train_Y = train_data(:,3)';
[train_X, ps_X] = mapminmax(train_X); % 对身高和体重归一化

接下来，建立BP神经网络分类器：

% 建立BP神经网络分类器
net = patternnet([10 5]); % 构建两层隐藏层的BP神经网络
net.trainParam.epochs = 500; % 最大迭代次数为500
net.trainParam.goal = 0.001; % 目标误差为0.001
net.trainParam.lr = 0.01; % 学习率为0.01
net.trainParam.max_fail = 50; % 连续50次迭代没有进步则停止训练
net.divideFcn = 'dividerand'; % 随机划分训练集和验证集
net.divideParam.trainRatio = 0.7; % 70%的数据用于训练
net.divideParam.valRatio = 0.3; % 30%的数据用于验证
net.divideParam.testRatio = 0; % 不使用测试集
[net,~] = train(net,train_X,train_Y); % 训练BP神经网络分类器

最后，读取测试样本数据（test.txt），对该分类器进行测试，并评价模型：

% 读取测试样本数据
test_data = load('test.txt');
test_X = test_data(:,1:2)';
test_Y = test_data(:,3)';
test_X = mapminmax('apply', test_X, ps_X); % 对测试数据进行归一化处理

% 对测试数据进行分类预测
test_Y_pred = net(test_X);
test_Y_pred = round(test_Y_pred); % 将输出结果四舍五入为0或1

% 计算分类准确率
accuracy = sum(test_Y_pred == test_Y') / length(test_Y);
fprintf('分类准确率为：%f\n', accuracy);

至此，BP神经网络分类器的建立和测试已经完成。