1 打开BP神经网络回归工具箱GUI界面
图1-1
如图1-1所示，虽然叫神经网络拟合但确实是BP神经网络回归工具箱，如果想要使用其他神经网络模型，可以打开左边的深度网络网络设计器，如图1-2、图1-3所示：
图1-2
图1-3
2 导入训练数据
图2-1
导入特征如图2-2，图2-3所示
图2-2
图2-3
导入标签如图2-4，图2-5所示
图2-4
图2-5
如图2-6，确定自己的特征与标签是行数据还是列数据
图2-6
如图2-7，确认无误点击确定
图2-7
3 模型训练
如图3-1，调整验证集与测试集比例及隐藏层神经元个数后点击”训练“，开始训练。
图3-1
训练完成如图3-2所示：
图3-2
还可以点击图3-3的选项进行训练评估，”拟合“暂时没搞清，不过只是训练也用不上拟合了。
图3-3
结果如图3-4、图3-5、图3-6、图3-7所示：
图3-4
图3-5
图3-6
图3-7
4 导入预测数据
如图4-1、图4-2、图4-3、图4-4、图4-5、图4-6 所示，导入预测数据与导入训练数据系相同，熟悉了可以直接操作。
图4-1
图4-2
图4-3
图4-4
图4-5
图4-6
测试绘图给出如图4-7、图4-8、图4-9所示：
图4-7
图4-8
图4-9
5 导出图窗、生成代码与导出模型
导出图窗、生成代码与导出模型操作如图5-1所示：
图5-1
代码如图5-2所示：
图5-2
模型如图5-3、图5-4所示：
图5-3
图5-4