机器学习笔记-02（神经网络工具箱的使用）

机器学习笔记-02（神经网络工具箱的使用）

在Matlab中自带有**人工神经网络工具包（NEURAL NETWORK TOOLBOX)**主要为以下四种：

• 聚类:利用自组织映射解决聚类问题（SOM）；
• 输入输出和曲线拟合:用双层前馈网络解决拟合问题（nfttool）；
• 模式识别与分类：利用双层前馈网络解决模式识别问题（nprtool);
• 动态时间序列:利用动态时间网络求解非线性时间序列问题（ntstool);

首先在命令行窗口输入nnstart(或在菜单栏中点击APP→机器学习和深度学习→任意点击Neural Net开头的工具包）将会出现如下图所示的界面：

这里我选择了点击Fitting app（拟合工具），然后进入下图所示的界面，点击箭头指的…位置可以选择自己下载的数据集，但是我并没有下载所以选择了自带的“simple fitting problem”,这个数据集可以用来演示如何训练神经网络来估计两组数据之间的关系。
点击下方“Load Example Data Set”就可将系统自带的数据集导入到要训练的神经网络中。

“函数拟合是在一组输入上训练神经网络以产生一组相关的目标输出的过程。一旦神经网络对数据进行了拟合，它就形成了输入输出关系的泛化，可以用来为没有训练过的输入生成输出。”

单击“NEXT”进入下一部分，这里可以看到一般来说默认训练、验证和测试的样本比例，为70：15：15。

单击“NEXT”开始建立神经网络结构图。本神经网络共3层，分别为输入层、输出层和隐含层，其中隐含层的神经元数目可以在途中修改。

确定好神经网络结构后，单击“Train”开始训练神经网络：

一段时间后出现以下界面说明神经网络已经训练完成，在‘Plots’选项内可以选择需要看到的图形信息，其中：

• “Performance”表示的是性能；
• “Training State”表示的是训练状态；
• “Error Histogram”表示误差分布
• “Regression”表示回归；
• “Fit”表示拟合；
  
  其中这几个图怎么看还需要研究一下。

写完刚好看到这个写的好好，向他看齐！！（开启套娃模式，码住慢慢研究）
MATLAB快速搭建一个神经网络以及神经网络工具箱的使用