Matlab 关于为使用NN进行数据拟合任务准备数据的混淆

我正在使用多层感知器来将模型拟合到教程之后给定的输入-输出对数据

困惑1）我很难理解使用命令

net.divideParam.testRatio

创建的测试集在哪里使用？通常，我们将数据集分为训练、验证和一个不可见的测试集，用于绩效评估和报告混淆矩阵。这种方法通常用于分类任务。但是对于回归和模型拟合的问题，我们提出了一种新的方法。使用NN，我们是否应该明确地拥有一个在训练期间看不见的测试集？这个命令是不是创建了一个看不见的测试集，但它从未用于测试网络？程序代码使用测试中的所有

输入。目前还不清楚培训后我是否应该使用一个看不见的数据集进行测试，然后报告性能

% Create a Fitting Network
hiddenLayerSize = 10;
net = fitnet(hiddenLayerSize);
inputs = houseInputs;
targets = houseTargets;
% Set up Division of Data for Training, Validation, Testing
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100; 
% Train the Network
[net,tr] = train(net,inputs,targets);

% Test the Network
outputs = net(inputs);
errors = gsubtract(outputs,targets);
performance = perform(net,targets,outputs)

困惑2）当使用回归模型时，我们是否遵循与困惑1答案相同的方法

请帮忙。我无法找到这些初始步骤的正确做法和方法，我相信正确使用会对结果产生很大影响。
我可以帮助您解决大部分困惑1）。
训练神经网络时，将数据集分为3组：

训练集，用于训练网络（实际允许更新网络权重的唯一数据集）
验证集，用于停止培训（这是GUI中的参数验证检查）
测试集，影响装配工的性能曲线和整体性能
因此，在这3种方法中，只有训练集可以被网络看到并影响权重更新；而验证集允许在网络过度拟合训练数据时停止训练（训练数据拟合的改进不会改进验证数据拟合/分类）。最后，测试集对于钳工性能的首次检查非常有用。
如果检查net.divideParam的值，可以看到网络存储了每个集合的值百分比；在培训期间，输入和目标将根据这3个值随机划分。这就是为什么使用工具箱来绘制网络的性能。您还可以通过将net.divideFcn设置为“divideind”来避免随机执行此操作。如果您非常了解自己的数据集，这将非常有用。
当您使用

[net,tr] = train(net,inputs,targets);

tr存储培训结果，包括培训（tr.trainInd）、验证（tr.valInd）和测试集（tr.testInd）的索引。为了检索每个集合，可以使用这些输入对输入进行索引，而其他参数，例如网络的精度或性能，可以通过tr检索

关于混淆2，我认为回归模型MVRegression使用不同的方法：它应该只评估拟合的参数，而不将数据集分成三部分。应该由您通过添加一些点或从输入中删除它们来评估回归。
感谢您的回答，它涵盖了我所有的基本困惑，除了如何使用NN之后的
net.divideParam
方法访问测试集的部分之外。我想如果
inputs=houseInputs
是整个数据集，那么如何使用
net.divideParam.testRatio=15/100
样本数生成训练期间未看到的测试集？另外，是否有方法知道并停止过度装配开始发生？我在编辑中添加了信息，您可以在tr中找到培训、验证和测试索引，这是train的第二个输出