訓練集：27*2500矩陣訓練集有2500個樣本，每個樣本27個屬性，矩陣的每一列表示一個樣本集標籤：30*2500矩陣對應2500個標籤，30類，若為該類，則該類數字為1，其餘為零。例【1，0，0，0】四類中的類一神經網路訓練load labeltr.mat;
load traintr.mat;
%save test.mat;
%save label.mat;%必須為行向量
pr=traintr';%賦值
tr1=labeltr';
[pr1,ps]=mapminmax(pr);%歸一化處理，範圍-1~1，返回值資料test1，歸一化引數ts
net=newff(pr1,tr1,15);%建立網路，隱層經驗公式9-17
net.trainParam.epochs=10000;
net.trainParam.goal=1e-7;
net.trainParam.lr=0.01;%學習率
net.trainParam.mc=0.9;%動量因子設定1
net.trainParam.show=25;%顯示的間隔次數
[net,tr]=train(net,pr1,tr1);%訓練神經網路
youtput=sim(net,pr1);
save youtput載入資料歸一化處理訓練集mapminmax（屬性的歸一化）對建立神經網路newff設定訓練引數訓練神經網路train（網路，訓練集，訓練標籤），train會自動將訓練集按一定比列劃分，訓練出模型，不需要額外的驗證集和測試集，訓練完成後再給測試集，歸一化後送入神經網路，得到輸出結果準確性評估load labeltr.mat
load youtput.mat
tr1=labeltr';
acc=0;
count=length(youtput);
[max_y,indexy]=max(youtput);
[max_l,indexl]=max(tr1);
for i=1:count
    if indexy(i)==indexl(i)
    %if indexy(i)==indexl(i)||indexy(i)==indexl(i)+1||indexy(i)==indexl(i)-1
        acc=acc+1;
    end
end
accuracy=acc/count;計算出分類準確的數目，算出準確率。我用的訓練集和測試集為同一資料，為何訓練出的網路對測試集分類準確率還是不高？路過大神請指教。。。。