matlab神经网络工具箱BP易踩的坑汇总（持续更新）_matlab神经网络工具箱的优缺点

转载请说明原文来自  老饼玩转-BP神经网络https://www.bbbdata.com/nn

---

目录

一、没关掉test占比

二、使用traingd,traingda等训练方法

三、提取权重阈值WB没有归一化

---

本文总结和积累，matlab神经网络工具箱BP易踩的坑。

一、没关掉test占比

很多人参照老教材，采用老式建模流程，自己抽出测试数据，只把训练数据投入网络，却没把网络的数据分割test占比关掉。而事实上这是个很大的坑，这样相当于浪费了15%的数据。

matlab神经网络工具箱将投入的数据自动分割为三份:70%训练数据，15%泛化验证数据，15%测试数据。测试数据全程什么都没做，工具箱特地留给用户的。

如果自己独自抽出测试数据，记得要把数据分割test占比分配到训练中，如下：

net.divideParam.trainRatio=0.85 ; % 默认0.7
net.divideParam.valRatio=0.15; % 默认0.15
net.divideParam.testRatio=0; % 默认0.15

二、使用traingd,traingda等训练方法

matlab工具箱提供了非常多的训练方法，刚开始时，总喜欢在不同的方法上试，

实际上matlab推荐的只有2或3种，
一是小数据，内存足，绝对推荐trainlm.效果几乎是无法质疑了。
二是大数据，trainlm跑不动推荐trainscg或trainrp。

这几乎成了定式，在其它方法上试，也有可能有更好的效果，但跑出比trainlm,trainscg,trainrp效果更好的，那真的好难，如果时间不多的同学，建议就如上所用就好。

三、提取权重阈值WB没有归一化

net.iw,net.lw,net.b（net是训练好的网络）中记录了输入层权重，网络层权重，和阈值，这是毫无疑问的。
代入公式后，却发现和网络sim得到的结果不一致，一直摸索了很久。
最后发现原因是，自matlab2012b之后，网络默认会自动归一化（也可自行关掉），这样提出来的w,b，是自动归一化后的数据训练的网络对应的权重阈值，使用前需要自行将数据归一化，并将结果反归一化，才能与sim对得上。

---

---

相关文章

​《BP神经网络梯度推导》

​​​​​​《BP神经网络提取的数学表达式》

《一个BP的完整建模流程》