nftool神經網絡擬合工具怎么用

在數據擬合中，神經網絡需要處理從一個數據集到另一個數據集的映射，如通過原材料價格、地價、銀行利率等因素估算房價，原材料價格、地價和銀行利率屬于一個數據集，在網絡中是輸入，房價則屬于另一個數據集，在網絡中是輸出。神經網絡的擬合工具可用來收集數據，建立和訓練網絡，并均方誤差和回歸分析來評價網絡的效果。

nftool工具箱采用前向神經網絡來完成數據擬合，包括兩層神經元，隱藏層使用sigmoid傳輸函數，輸出層則是線性的。給定足夠的訓練數據和足夠的隱藏層神經元，網絡能良好地擬合多維數據。

生成一段加入了均勻噪聲的正弦函數數據

x=0:.2:2*pi+.2;

rng(2);y=sin(x)+rand(1,length(x))*0.5;

plot(x,y,'o-');

在命令行輸入nftool后回車，啟動神經網絡擬合工具對話框

單擊Next進入數據選擇界面，不但要指定輸入數據，還要指定目標數據，即輸入數據的期望輸出

單擊Next進入Validation and Test Data界面，工具箱把數據分為三部分：

1.訓練樣本，用于網絡訓練，網絡將根據訓練樣本的誤差調整網絡權值和閾值

2.驗證樣本，用于驗證網絡的推廣性能，當推廣性能停止提高時，表示網絡已達到最優狀態，此時就停止訓練

3.測試樣本，用于測試網絡的性能，網絡不會分局測試樣本的結果做任何調整

一般情況下，訓練樣本用于調整網絡權值和閾值，驗證樣本則用于調整網絡結構，如隱藏層神經元的個數

默認隨機地將70%的數據劃為訓練樣本，15%的數據劃為驗證樣本，剩下的15%數據作為測試樣本

單擊Next進入網絡結構界面，設置隱藏層神經元個數

單擊Next進入訓練界面，單擊Train進行網絡訓練，工具箱自動彈出訓練對話框顯示訓練過程，默認最大迭代次數為1000次。

訓練完成后將顯示訓練樣本、、驗證樣本和測試樣本的均方誤差（MSE）和R值。R值衡量了目標數據（期望輸出）與實際輸出之間的相關性，如果相關性為1，說明兩者完全相符，如果相關性為0則說明數據完全隨機。

訓練完成后點擊Plot Fit顯示適應度，同時展示訓練樣本、驗證樣本和測試樣本的目標輸出和實際輸出

點擊Plot Error Histgram顯示誤差直方圖

誤差的計算公式是：

誤差 = 目標輸出 - 實際輸出

點擊Plot Regression顯示回歸圖，分別顯示訓練樣本、驗證樣本、測試樣本和所有數據的回歸圖

點擊Next進入測試界面，選擇測試數據和期望輸出，點擊Test Network即可進行測試，測試完成后可以點擊顯示適應度圖、誤差直方圖和回歸圖

測試數據生成

xx=0:.1:2*pi+.2;

yy=sin(xx)+0.25;

點擊Next進入結果界面，選擇想要生成的類型，可以生成MATLAB腳本文件，也可以轉為Simulink模型

最后點擊Finish結束數據擬合