本站原创文章，转载请说明来自《老饼讲解-BP神经网络》www.bbbdata.com

本文收集和展示一些使用matlab神经网络工具箱训练BP神经网络时易踩的坑。

       01. 将数据归一化      

由于matlab在2012b版本之前并不会自动将数据归一化，
因此，在2013之前的教材，都会将数据自行归一化，再投到网络中，这是个繁琐的过程。
而很多初学者并不知道，只是照抄代码，因此，每次都要进行繁琐的归一化反归一化操作。
而事实上，现在的版本完全不需要自己进行归一化，工具箱已经会自动做归一化处理了。
现在的版本归一化和不归一化的结果差异不会太大

，

  02. 预留测试数据却没关掉test占比   

仍然是版本变迁，使用了老式教材代码造成的坑
老版本matlab不支持分割数据，
在老教材，一般会在建模前，先预留测试数据，
训练完后再把测试数据进行效果检验。

而现在的版本都默认自动开启数据分割，
 如果自行预留了预测数据，
一定要把网络数据分割的test占比关掉
事实上这是个很大的坑，
如果没关掉test占比，
工具箱在建模时会再划分15%的数据作为预测数据，
这15%的数据不参与任何过程，
这样相当于浪费了这15%的数据。
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       

  03. 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种训练方法，
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2或3种训练方法几乎成了定式，
在其它方法上试，很多时候是徒劳的
当然，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

  04. 提取权重阈值WB没有反归一化   

net.iw,net.lw,net.b 中记录了输入层权重，网络层权重，和阈值，这是毫无疑问的。
但代入公式后，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。

 End