BP神经网络回归预测-多输出预测（同时预测多个输出）-Matlab代码实现_bp网络预测的输出层

一、前言（代码获取：底部公众号）

之前发布了BP神经网络多数入单输出预测，那个代码不能直接用于多输出。今天搞一下BP的多输入多输出预测，即同时预测多个输出Y，随意设置多少个输出Y都行。话不多说，上才艺！

在多输入多输出回归预测中，输出向量可以有多个分量，每个分量都对应一个需要预测的变量。同时，输出向量的维度需要与训练数据中的输出向量维度相同。

二、结果展示

（1）根据经验公式，通过输入输出节点数量，求得最佳隐含层节点数量：

根据hiddennum=sqrt(m+n)+a，m为输入层节点数，n为输出层节点数，a取值[1,10]之间的整数，以此计算隐含层的节点数范围，再依次带入到BP中，计算每个隐含层神经元节点所对应的均方误差MSE，最终得出最佳隐含层节点。

（2）预测结果及误差，本例设置了3个Y：

（3）回归拟合图：

（4）误差直方图：

通过具有20个bin的误差直方图可以快速了解误差值的分布情况。如果一个bin的高度很高，表示该区间内的误差值出现的频率很高，说明模型在该区间内的表现不够好；反之，如果一个bin的高度很低，那么该区间内的误差值出现的频率很低，说明模型在该区间内的表现较好。

此外，如果整个直方图呈现出正态分布的形状，说明模型的误差分布情况比较均匀，误差值的集中程度也比较高。如果直方图呈现出偏态分布的形状，说明模型的误差分布情况比较不均匀，可能需要对模型进行进一步的优化。

（5）各项误差指标：

（6）其他：