Ref with great thanks:CSDN,Zhihu

载入工具箱

如图打开神经网络工具箱，当前推荐使用NN Fitting

弹出如下界面，上方是原理介绍，感兴趣可以看看。
点击Next即可

数据读取 (关键)

需要从外部载入数据，此处以excel为例，如需要处理hdf等格式可再联系笔者补充
重要快捷键：excel和matlab载入界面通用
同时安下shift+ctrl+方向键可以快速选择整行或整列

下面介绍两种导入excel数据方法
方法一适用于小数据单次训练
方法二适用于数据量较大的
两种方法在反复训练时都可以保存workspace为.m文件以省去重复数据载入的动作

方法一：excel预处理

1. 分别保存输入和输出为新的xls文件，可以保留第一行的参数名称呼。但输入参数那列必须单独剪切粘贴到新的xls文件中
2. 如下图点击【…】按钮后选择对应输入数据.xls文件
   

注意选择数据分割方式（row / column )和excel文档匹配
当每个参数的数据保存在一列中时，应选择Matrix columns
导入后确认下图中右方是否维度匹配

无误后next

方法二：导入excel为matlab variables

数据集划分

保持train:val:test=70%:15%:15%即可。

• dataset较小时可以适当增加val, test比例，以保证有足够数据验证训练效果。
• 数据集大时应增加train比例保证更好的训练效果

隐节点数量

默认10，先不变动，如效果不好再改动。也可针对该变量进行多组训练对比其影响。
一般为2的倍数，目前有经验公式，但不存在普适性规律。
一般来说

• 隐节点数量越大，所需训练数据量越大
• 隐节点数量越大，可以学习到更多细节

训练策略

默认levenberg-marquardtz，保持即可。是一种混合牛顿和梯度下降法的步长调整算法。详情可看笔者帖子{LInk:}

训练结果与评价

等待训练完成

主要看R2（点击Regression）和MSE（点击Performance）

• R2越接近1越好
• MSE越接近0越好
  下图展示的是Regression R2:
  

Troubleshooting:

• Train>val>Test
• 如果出现train远大于val，或test，表明数据异常过拟合。请减少隐节点数再次尝试。
• 如出现val, test>train，请再次运行，如频繁出现，建议检查数据分布是否符合正态分布，或skewness是否过大

模型保存与再利用

如下图设置各参数名称后保存即可

保存成功后可见工作区(workspace)出现下图参数：

再次调用网络模型，可在命令行(command window)输入