1 打开BP神经网络回归工具箱GUI界面

图1-1

        如图1-1所示，虽然叫神经网络拟合但确实是BP神经网络回归工具箱，如果想要使用其他神经网络模型，可以打开左边的深度网络网络设计器，如图1-2、图1-3所示：

图1-2

图1-3

2 导入训练数据

图2-1

        导入特征如图2-2，图2-3所示

图2-2

图2-3

        导入标签如图2-4，图2-5所示

图2-4

图2-5

        如图2-6，确定自己的特征与标签是行数据还是列数据

图2-6

        如图2-7，确认无误点击确定

图2-7

3 模型训练

        如图3-1，调整验证集与测试集比例及隐藏层神经元个数后点击”训练“，开始训练。

图3-1

        训练完成如图3-2所示：

图3-2

        还可以点击图3-3的选项进行训练评估，”拟合“暂时没搞清，不过只是训练也用不上拟合了。

图3-3

        结果如图3-4、图3-5、图3-6、图3-7所示：

图3-4

图3-5

图3-6

图3-7

4 导入预测数据

        如图4-1、图4-2、图4-3、图4-4、图4-5、图4-6  所示，导入预测数据与导入训练数据系相同，熟悉了可以直接操作。

图4-1

图4-2

图4-3

图4-4

图4-5

图4-6

        测试绘图给出如图4-7、图4-8、图4-9所示：

图4-7

图4-8

图4-9

5 导出图窗、生成代码与导出模型

        导出图窗、生成代码与导出模型操作如图5-1所示：

图5-1

        代码如图5-2所示：

图5-2

        模型如图5-3、图5-4所示：

图5-3

图5-4