**

歡迎來的菜市場！！！

**
你現在手裡有一袋子雞腿（j），一袋子葡萄（t），要去換人家的西瓜（h）
假設雞腿20元/斤，葡萄17元/斤，西瓜2元/斤
也就是h=（20j+17t）/2
當然我們要通過機器去實現它
給出一組資料

讓我們對她進行一系列的程式碼化

[input,ps1]=mapminmax([j;t]);
[target,ps2]=mapminmax(hh); 


net=newff(input,target,6,{'tansig','purelin'},'trainlm');
net.trainParam.epochs=10000;
net.trainParam.goal=0.01
 
;
net.trainParam.lr=0.001;
net=train(net,input,target);



jj=[3 2 4 1 2 5 4 3]; %雞腿
tt=[5 4 1 2 3 2 3 1];%葡萄
hhh=(20*j+17*t)/3;%西瓜
input1=mapminmax('apply',[jj;tt],ps1);%應用之前的種子歸一化



%預測
yuce=net(input1);
bagezhi=mapminmax('reverse',yuce,ps2);

set(0,'defaultfigurecolor','w')
figure
plot(hhh,'*','color'
 
,[222 87 18]/255);hold on
plot(bagezhi,'-o','color',[244 208 0]/255,...
'linewidth',2,'MarkerSize',14,'MarkerEdgecolor',[138 151 123]/255);
legend('act','yuce')
xlabel('大西瓜大西瓜大西瓜'),ylabel('斤')
set(gca, 'Box', 'off', 'TickDir', 'out', 'TickLength', [.02 .02], ...
    'XMinorTick', 'on', 'YMinorTick', 'on', 'YGrid'
 
, 'on', ...
    'XColor', [.3 .3 .3], 'YColor', [.3 .3 .3],'LineWidth', 1)

結果如下


3步就到達了期望誤差

下面給出圈圈中的預測值的資料和準確值
1.預測資料

2.準確值

一眼便知，誤差很小，訓練理想，預測較準確
再來看看Validation和test

擬合的較為合理，且兩個圖的點沒有出現較少的情況，能說明問題

好了，麻麻再也不用擔心我該換回幾斤的西瓜了！