matlab神经网络工具箱

1.输入nftool;点击next

2.输入特征X 和目标值Y如下：【注意按行/按列】

 3.设置训练集/验证集/测试机比例：【一般默认为0.7：0.15：0.15】

 4.设置隐藏层个数：【需要调的参数之一】

 5.选择优化算法：默认如图；点击train进行训练

 6.生成图像：【如图plots】

6.1 performance

横坐标：训练结束时的epochs数【神经网络一次前向传播+一次反向传播=一个epoch】

纵坐标：均方误差

从图中可以得到：在epochs=5时，验证集valiadation和测试集test达到最小均方误差。

6.2 training state

横坐标：epoch

纵坐标：梯度gradient；mu?；val fail？；

梯度：若梯度为0，则为图像最低点，即最优位置

mu：

val fail：

【validation check=6：若连续六次训练，训练误差没有变小，则假定继续训练下去效果不会变好，停止训练。】 

6.3 error histogram【误差直方图】

横坐标：误差区间的中位数；

纵坐标：位于该误差区间的样本个数

可以得到：神经网络的输出值与样本原目标值的误差；

6.4 regression【检验预测值和目标值的线性化程度？】

横坐标：样本原目标值；

纵坐标：神经网络输出预测值；

可以得到：原目标值和预测值的相关度；用系数R表示，若R越接近1，则表示线性化程度越高，结果越好。

7 另外添加更多的测试集

8.生成代&保存训练结果和网络

点击xx script，生成所需要的代码（m文件）；

 点击save results，将数据结果和网络输出到workspace；

 9.生成代码如图所示：

% Solve an Input-Output Fitting problem with a Neural Network
% Script generated by Neural Fitting app
% Created 15-May-2020 10:45:36
%
% This script assumes these variables are defined:
%
%   XXnum - input data.
%   YYnum - target data.

x = XXnum';
t = YYnum';

% Choose a Training Function
% For a list of all training functions type: help nntrain
% 'trainlm' is usually fastest.
% 'trainbr' takes longer but may be better for challenging problems.
% 'trainscg' uses less memory. Suitable in low memory situations.
trainFcn = 'trainlm';  % Levenberg-Marquardt backpropagation.

% Create a Fitting Network
hiddenLayerSize = 10;
net = fitnet(hiddenLayerSize,trainFcn);

% Setup Division of Data for Training, Validation, Testing
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;

% Train the Network
[net,tr] = train(net,x,t);

% Test the Network
y = net(x);
e = gsubtract(t,y);
performance = perform(net,t,y)

% View the Network
view(net)

% Plots
% Uncomment these lines to enable various plots.
%figure, plotperform(tr)
%figure, plottrainstate(tr)
%figure, ploterrhist(e)
%figure, plotregression(t,y)
%figure, plotfit(net,x,t)

参考资料：

1.https://blog.csdn.net/ljyljyok/article/details/81362465 Lindsay.Lu,如何利用matlab做BP神经网络分析,

2. https://blog.csdn.net/weixin_44486547/article/details/93394970 晴松,初探MATLAB神经网络