Matlab神经网络预测代码

以下是一个简单的 Matlab 神经网络预测代码示例：

% 导入数据
data = csvread('data.csv');
x = data(:,1:end-1);
y = data(:,end);

% 划分数据集
[trainInd,testInd] = dividerand(size(x,2),0.7,0.3);
x_train = x(:,trainInd);
y_train = y(trainInd);
x_test = x(:,testInd);
y_test = y(testInd);

% 创建神经网络
net = fitnet(10);
net = train(net,x_train,y_train);

% 预测数据
y_pred = net(x_test);

% 计算误差
mse = mean((y_pred-y_test).^2);
rmse = sqrt(mse);

% 绘制预测结果
plot(y_test,'b');
hold on;
plot(y_pred,'r');
legend('真实值','预测值');

该代码首先导入数据，然后将数据集划分为训练集和测试集。接着，使用 `fitnet` 函数创建一个具有 10 个隐藏层节点的神经网络，并使用 `train` 函数训练该网络。之后，使用训练好的神经网络对测试集进行预测，并计算预测误差。最后，绘制真实值和预测值的对比图。