本文已参与「新人创造礼」活动，一起开启创造之路。
本文介绍MATLAB软件中神经网络拟合（Neural Net Fitting）东西箱的详细使用办法。
在MATLAB完成人工神经网络ANN回归猜测这篇文章中，咱们介绍了MATLAB软件中神经网络（ANN）的纯代码完成；而在MATLAB软件中，其实根据神经网络拟合东西箱，就能够点点鼠标完成神经网络的回归。本文就对根据这一东西箱完成神经网络回归的详细办法加以详细讲解。
当然，在首要导入咱们的练习数据时，仍是需求用到几行代码的。不过这儿的代码全体而言也十分简单，其实便是根据readtable()函数，读取存储于Excel中的数据；随后，将因变量Y与自变量X提取出来备用。这儿有一点需求留意：咱们的自变量假设有多个（比方我这儿就有data_NDVI与data_Soil两个自变量），需求将这两个自变量兼并，放在一个变量X中。
clc;
close;
clear all;
point_file="E:/LST/01_Data/Analysis/Point_Field.xlsx";
data_all=readtable(point_file);
data_Y=data_all(:,3);
data_NDVI=data_all(:,4);
data_Soil=data_all(:,5);
Y=table2array(data_Y);
N=table2array(data_NDVI);
S=table2array(data_Soil);
X=[N S];
随后，咱们运转这儿的代码。如下图所示，能够看到我的因变量Y与自变量X都准备结束了。
接下来，咱们在MATLAB软件顶部菜单中，顺次挑选“APP”→“Neural Net Fitting”，翻开神经网络拟合东西箱。
翻开后的界面如下所示。
其间，假设咱们点击上图左下角的“Neural Network Start”选项，就能够来到如下图所示的“Neural Network Start”界面。能够这么理解，“Neural Network Start”是MATLAB中神经网络东西箱的一个全体的开端界面，而咱们这儿需求用到的神经网络拟合东西箱（Neural Net Fitting）便是该开端界面部属的其间一个东西。
言归正传，咱们在上上图中点击“Next”，就能够看到如下所示的数据挑选界面。该界面便是咱们用来挑选输入数据（自变量）、输出数据（因变量）的地方。而无论是输入数据仍是输出数据，能够看到，咱们都需求用鼠标在MATLAB软件的工作区中找到对应的变量。这也是为什么在本文一开端，咱们需求先履行一段代码，将数据从Excel中读取到MATLAB中去的原因。
点击挑选结束数据后，必定留意需求对数据的维度进行挑选。换句话说，便是你的输入与输出数据矩阵中，不同行代表的是不同样本，仍是同一样本的不同属性（不同自变量）。
随后，挑选“Next”，进入验证集与测验集数据的区分界面。在这个界面中，咱们需求对验证集与测验集数据的份额进行区分（为什么要区分数据这儿就不再赘述啦，而且这一个界面的右侧也有每一个数据集合的作用，咱们不理解的话参阅一下就理解了）。一般的，在数据量比较少的状况下（我记得有说少于一百万条数据，就算数据比较少，当然必定要看咱们数据的详细状况），咱们依照6:2:2的份额进行区分即可；在数据量多的状况下，则能够依照98:1:1的份额来区分。这儿咱们就根据实际状况来区分即可。
随后，点击“Next”，进入神经网络结构配置界面。在神经网络拟合东西箱中，咱们仅仅只能对神经网络的躲藏层的神经元数量进行配置，而躲藏层的数量默认为1层，且还不能修正；而在MATLAB完成人工神经网络ANN回归猜测这篇文章中，经过代码，咱们不只能够对神经元数量进行调整，还能够配置躲藏层的详细层数。
这儿主张咱们先依照默认的神经元数量10进行填写；等后期运转过模型几回后，根据模型的精度与运转时间，再返回这儿对神经元的数量进行二次调整。
随后，点击“Next”，就进入神经网络模型的练习界面了。这儿咱们能够挑选练习神经网络的详细算法，但总共仅仅有三个选项，包含Levenberg-Marquardt算法、Bayesian regularization算法、Scaled conjugate gradient backpropagation算法；同样是在MATLAB完成人工神经网络ANN回归猜测这篇文章中，经过代码，咱们能够挑选的算法就有很多了，有十余种。
这儿咱们结合每一种算法的详细介绍，根据自己的数据实际状况来挑选即可。不过一般的，应该挑选第一种算法——Levenberg-Marquardt算法的场合会多一些。挑选算法结束后，点击“Train”就能够开端练习模型。
模型练习结束后，会弹出如下所示的练习成果窗口。
且在神经网络模型的练习界面的右侧会出现精度鉴定指标的详细数值；数值下方的三个选项能够用来制作拟合状况图。
假设对这个模型十分不满足，就能够屡次重复练习，还能够更改躲藏层神经元数量、练习算法等进行重新建模。假设对模型大体满足，点击“Next”即可进入模型调整界面。
这个界面能够更方便地进行重复练习、修正躲藏层神经元个数、扩展或替换数据集等，然后完善咱们的模型。
假设没有问题，点击“Next”即可进入解决方案布置界面（应该是这么翻译的）。这个界面听起来高深，其实说简单点，便是将咱们刚刚练习好的神经网络，以不同的方式来导出。
但我关于我个人而言，这个页面其实没有很大的作用——因为这儿导出的并不是朴实的神经网络MATLAB代码，而是一些和开发、布置东西有关的函数或图表；这儿或许关于开发人员而言比较有用，关于咱们这种只是单纯想练习一个神经网络模型的人而言，直接越过就能够。
随后，点击“Next”即可进入神经网络拟合东西箱的最终一个界面——成果保存界面。
这个界面是咱们练习这么久神经网络模型的最终目标。首要，“Generate Scripts”一栏能够主动生成一个MATLAB代码；有了这个代码，往后咱们再想对这个结构的神经网络模型进行练习，就不必再在神经网络拟合东西箱中点来点去了，直接把新的输入数据、输出数据导入到代码里，修正代码中对应的参数即可。例如，咱们一向提及的MATLAB完成人工神经网络ANN回归猜测这篇文章，其间的代码其实便是经过这个选项来生成的。
接下来第二个方框“Save Data to Workspace”，是对本次你练习神经网络模型过程中一些要害参数进行保存的选项。假设咱们往后不想用代码来复现这个神经网络，而是想直接将练习好的模型保存下来，下一次直接用一两句代码调用它，那就挑选在这儿将神经网络模型对象保存下来就好（主张挑选最终一项，即以结构体的格式保存悉数的参数，防止之后需求某个参数了成果发现没保存）。
这儿我认为有必要说明一下保存神经网络代码和神经网络参数的差异。假设咱们在“Generate Scripts”一栏保存了神经网络的代码，那么往后咱们调用这个代码，并不是直接调用咱们本次练习好的神经网络模型，而是再用不同的数据，不经过这个神经网络拟合东西箱而是经过修正代码的办法，对神经网络模型进行调试，还能够修正模型的各项参数（比方躲藏层数量、神经元数量、练习算法等）。而假设咱们在“Save Data to Workspace”一栏保存了神经网络模型这个参数，那么往后再调用这个神经网络的时分，神经网络模型里的各项参数就不会再变了，就永永远远是你现在练习好的这个参数。说得简单一点，前者是保存调试神经网络模型的代码，后者便是保存你现在练习好的这个神经网络模型。
保存结束后，点击“Finish”即可退出神经网络拟合东西箱。此外，假设咱们没有保存任何神经网络代码或参数的话，体系还会很贴心地弹出一个提示框，询问你是否确认退出。
