对于想学习神经网络、机器学习的小伙伴，可以了解一下Matlab的神经网络工具箱。这个工具箱可以解决四类常见问题，并提供了一些示例数据，以及最后的结果可视化效果，可方便小伙伴对神经网络有个快速的认识和学习。
在Matlab的command窗口输入nnstart，即可调出神经网络工具箱，如下图所示，四类问题包括：
建立输入-输出的拟合关系；
模式识别和分类；
聚类；
动态时间序列预测。
Matlab的神经网络工具箱
这里我们以第一个问题“建立输入-输出的拟合关系”为例，介绍一下这个工具箱的使用步骤。点击“Fitting app”，即可调出解决拟合问题的神经网络，默认是一个两层的神经网络，一个隐藏层和一个输出层。
解决拟合问题的神经网络
1、首先找到matlab2014b的上方“预设”按钮，左键点击。2、进入“预设项”窗口，单击第一项“matlab”，单击出现的“字体”，看到右侧窗口的”字体”选择更改。3、“仿宋”字体及后面的字体都可以正常显示汉字，选择仿宋字体。
选择数据
这里我们用它自带的示例数据，点击“Load Example Data Set”，选择Engine这组数据。这组数据的输入是Fuel rate（燃油消耗率）和Speed（车速），输出是Torque（发动机扭矩）和Nitrous oxide emissions（一氧化二氮的排放）。
matlab怎么输出某个值，训练好之后的神经网络可以根据Fuel rate（燃油消耗率）和Speed（车速），输出对应的Torque（发动机扭矩）和Nitrous oxide emissions（一氧化二氮的排放）。
Engine示例数据
1、第一步在我们的电脑上打开matlab，在命令行窗口中创建了一个变量str=12345.1123456789;，使用 format;str显示出来，可以看到默认是short格式，short是短整式，显示小数点后四位，如下图所示：2、第二步我们通过“format l。
选择Engine数据
选择好Engine数据后，点击Next。在训练之前，我们先要对数据进行分组，一部分用来训练连，一部分用来验证，还有一部分用来测试。将数据分为三组，也是机器学习中训练神经网络时常用的处理方式。
数据分组
这里可以选择默认的数据分组比例，点击Next，设置隐藏层的神经元数量，这里仍以默认的10为例。
设置隐藏层神经元数量
神经网络的训练界面
神经网络训练完成
神经网络预测结果与实际结果之间的误差变化
神经网络预测结果与实际结果之间的误差分布
导出训练好的神经网络
保存训练神经网络的结果
扩展阅读：
