您好，这个图是不是代表结果还可以？？？为什么数据分散在两端？？
温馨提示：答案为网友推荐，仅供参考
第1个回答 推荐于2017-12-15
神经网络有一个缺点就是过拟合（就是对训练数据过分拟合，所以偏离了其他未参加训练的数据）。
为防止过拟合，MATLAB采用的方法是把数据划分成三分，training（训练），validation（验证），test（测试）。只有training数据参加训练，其他两部分数据不参加训练，用于检验。训练进行时，目标和训练（test）数据目标之间的误差会越来越小（因为网络就是根据这些数据训练的），刚开始时validation和validation目标之间的误差也会变小，可随着训练的增加，test的误差继续变小，validation的误差反而会有所上升。当validation的误差连续上升6次时（默认设置）训练就停止了（因为这时有过拟合的倾向）。
上图横坐标为你的目标值，纵坐标为你的网络的输出，这图就是做了个回归，完美时四幅都曲线应该在对角线上。你的图有两个问题，
1. validation的数据拟合的不太好，可能网络存在过拟合，最好重新训练
2. 数据量太少，validation和test都只有两个点，所以这两幅图基本说明不了问题。本回答被提问者采纳
为防止过拟合，MATLAB采用的方法是把数据划分成三分，training（训练），validation（验证），test（测试）。只有training数据参加训练，其他两部分数据不参加训练，用于检验。训练进行时，目标和训练（test）数据目标之间的误差会越来越小（因为网络就是根据这些数据训练的），刚开始时validation和validation目标之间的误差也会变小，可随着训练的增加，test的误差继续变小，validation的误差反而会有所上升。当validation的误差连续上升6次时（默认设置）训练就停止了（因为这时有过拟合的倾向）。
上图横坐标为你的目标值，纵坐标为你的网络的输出，这图就是做了个回归，完美时四幅都曲线应该在对角线上。你的图有两个问题，
1. validation的数据拟合的不太好，可能网络存在过拟合，最好重新训练
2. 数据量太少，validation和test都只有两个点，所以这两幅图基本说明不了问题。本回答被提问者采纳
相似回答