matlab的nntool工具箱小结_matlab基本用法小结

matlab的nntool工具箱小结由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“matlab基本用法小结”。

拟合以及插值还有逼近是数值分析的三大基础工具，通俗意义上它们的区别在于：拟合是已知点列，从整体上靠近它们；插值是已知点列并且完全经过点列；逼近是已知曲线，或者点列，通过逼近使得构造的函数无限靠近它们。

新建训练使用输入数据X和目标数据Y，如下所示，X是3个输入变量，20个样本，Y是1个输出变量，20个样本（注意，输入和输出的样本数一定要相同，matlab 神经网络工具箱中默认一行是一个变量，列代表样本）

matlab命令窗口输入，nnstart，启动神经网络工具箱。

点击Fitting app，得到如下

点击Next，得到如下，并选择Inputs和Targets数据：

在下图设置完validation和testing之后，点击Next

注意，这里的Training、Validation和Testing的意义如下所示： training是训练数据，拿来拟合模型，就是用这部分数据来建立模型，这个相信大家都明白。

validation是验证数据，刚才说training建了一个模型，但是模型的效果仅体现了训练数据，但不一定适合同类的其他数据，所以我们会在建模前会将数据分成两部分，一部分为训练数据，一部分为验证数据（两部分数据的比例大致为7:3，这取决于你验证的方法，详细说明我从网上摘了下放在本次说明的最下边，但愿你能看懂）；另外，你也可能训练多个模型，但不知哪个模型性能更佳，这时可以将验证数据输入不同模型进行比较。

testing是测试数据，它跟前两者的最大区别在于：training和validation数据均是同一时期的数据，如都是5-7月数据，但既然是测试，我们就需要用跨期的数据来验证模型的稳定性，此时，可采用8月单月数据或9月单月数据对建好的模型进行测试，看性能有没有下降或偏移。

设置Number of Hidden Neurons之后，点击Next

设置完training algorithm之后，点击Training

多次点击Retrain，直到下图红圈中的三个MSE值达到尽可能小的值为止。点击Next。

上图红框中Training后面的MSE数据代表用来参与神经网络训练training的那部分数据，把输入数据带入神经网络模型后，输出数据与目标数据偏差平方和的均值，validation后面的MSE数据表示，用来进行validation数据，把输入数据带入之后，输出数据与目标数据之间的偏差平方的平均值。testing后面的数据表示用来进行testing的MSE数据，把输入数据带入之后，输出数据与目标数据之间的偏差平方的平均值。

下图点击“Next”

点击Matlab Function,把训练形成的神经网络函数保存下来

出现下图之后，保存

然后用这个函数，就可以对新的输入进行预测了。比如新建了一个输入如下所示：

使用函数myNeuralNetworkFunction(X1)得到如下预测结果：

注意，有的时候，X1设置为X的第一列，myNeuralNetworkFunction(X1)的到的值与myNeuralNetworkFunction(X)第一个值不同，理论上应该相同，想不明白，后来发现，重启matlab，重新做一遍就好了，可能是哪个地方我操作不当导致程序错乱了。