Question

matlab神经网络问题

我想问下利用matlab神经网络工具箱NAR单步预测的对test数据检验的原理是什么 是不是根据训练数据和置信数据训练出一个模型后 知道了下个值 然后与test数据的第一个原始值做一个比较，那么第二个值是怎么算出来的呢 莫非是把test数据的第一个原始值再并入神经网络的训练 再得出第二个值的？神经网络刚接触，所以这个问题可能比较幼稚，希望解答~

Answer 1

神经网络里面检验的原理是随机抽取你整体数据的一部分（一般来说是吧15%）来作为预留的检验数据，先是用之前的75%的数据进行网络训练，然后用着15%的数据代入网络中，做误差估计。

追问

这个我知道 我只是想知道 最原始的NAr预测是单步的 他训练的75%的数据以后 只能得出 总数据*75%+1 的那个预测值 那总数据*75%+2 以及+3 +4 那些值是怎么出来的？莫非是把+1的那个原始值并入原来的神经网络重新训练得到+2 再代回得到+3级以后的？ 这么说你能明白我问题的意思吧？

追答

明白了，是这样的，假如你又十个数据，他会随机的拿其中的7个做网络训练，拿剩下的3个对网络进行校验，然后就得到了一个稳定的网络。然后这10个数据的预测值会全部返回到网络的输入端，通过网络得到他的预测值，当然包括你的剩下的*75%+1的，不仅这十个，以后的值都是这样的。所以实际上仅从网络训练上来说，是只用了其中的7个数据的。

Answer 2

关于这种问题最好还是找一些利用matlab神经网络的案例自己学习学习，可以搜一下最好是带程序的案例