% 데이터 생성
x = rand(1000, 2); % 100개의 2차원 데이터 포인트 생성
y = x(:, 1) + x(:, 2) > 1; % 간단한 선형 분류 기준
y = y'; % 레이블을 행 벡터로 변환

% 신경망 생성
hiddenLayerSize = 10; % 은닉층의 뉴런 수
net = feedforwardnet(hiddenLayerSize);

% 학습 데이터 설정
net.divideParam.trainRatio = 0.7; % 학습 데이터 비율
net.divideParam.valRatio = 0.15; % 검증 데이터 비율
net.divideParam.testRatio = 0.15; % 테스트 데이터 비율

% 신경망 학습
[net, tr] = train(net, x', y); % x와 y를 학습에 사용

% 테스트 데이터에 대한 예측
y_pred = net(x');

% 예측 결과를 이진화 (0 또는 1)
y_pred = y_pred > 0.5;

% 정확도 계산
accuracy = sum(y_pred == y) / length(y);
fprintf('Accuracy: %.2f%%\n', accuracy * 100);

% 결과 시각화
figure;
hold on;

% 데이터 포인트 시각화
gscatter(x(:,1), x(:,2), y, 'rb', 'xo');

% 분류 경계 시각화
[x1Grid, x2Grid] = meshgrid(0:0.01:1, 0:0.01:1);
xGrid = [x1Grid(:), x2Grid(:)];
yGridPred = net(xGrid');
yGridPred = yGridPred > 0.5;
contourf(x1Grid, x2Grid, reshape(yGridPred, size(x1Grid)), 'LineStyle', 'none', 'FaceAlpha', 0.2);

% 기타 그래프 설정
title('Classification Result and Decision Boundary');
xlabel('Feature 1');
ylabel('Feature 2');
legend('Class 0', 'Class 1', 'Decision Boundary');
grid on;
hold off;