#Matlab的神经网络工作箱你了解吗？
Matlab自带的神经网络工具箱功能很强大的，在Matlab 2010b以后的版本都有，操作步骤也非常简单。可以直接在应用栏下拉菜单机器学习工具里面找到，总共有四种工具箱可以选择，四种工具箱：拟合/分类/聚类/时间序列。
也可以直接在命令行输入“nnstart”，会自动跳出神经网络的工具箱供你选择。
举例最常用的，nftool，拟合
基本界面就是这个样子，它是建立一个单隐藏层的神经网络来做数据拟合，输入和输出数据都可以是多维的，隐藏层的神经元个数可以自己调整。
这里需要解释的是，隐藏层(hidden layer)的神经元数量的选取没有一定的准则。数量过少会使得拟合效果不好(模式分类不够准确)，数量过多有可能出现过拟合状态(对于其他数据的识别能力较差)。所以一般的做法是保留默认值，如果对默认值不满意再增加神经元数量。
点击next，此时已经创建好神经网络
接下来是对你的样本数据进行划分，划分成训练集、验证集和测试集，这可以根据自己需要设定。
验证集和测试集的区别就在于验证集也是参与训练过程的，训练过程中在训练集训练好后会代入验证集进行验证，测试集就仅仅只是做个预测。
下一步设置隐藏层神经元个数，默认是10个，这个根据情况自己调整，一般不要设的过大，不仅训练速度很慢而且容易过拟合。
训练算法提供了三种选择，常用的是LM算法，就是梯度下降法和高斯牛顿法的结合，训练速度比较快而且准确率也不错，其他两种算法也可以，但由于权值初始化是随机的，需要多训练几次才会得到想要的结果。
训练结束后可以在plots查看图表。
最后会出现这样的截面，可以选择第一个“Simple Script”，它会自动生成一个代码的脚本文件，你可以保存下来，下次直接在脚本里面修改参数就可以了，还可以自己添加循环之类的公式。
对于plots，较有参考价值的为后面三个。
