通过哪些参数看神经网络拟合出来的函数效果？神经网络拟合时如何确定隐藏的节点数?

主要看均方误差和其百分比（准确率）。假如你拟合出来是ui，计算（yi-ui）^2的平均值，然后计算这个平均值与yi平均值的比（也就是均方误差百分比），当然用1减去这个百分比就是准确率了。一般也会画一幅图，把yi和ui分别用不同的颜色或者符号表示出来，直观对比。
拟合时的隐含层节点数目前没有一个通行的公式进行确定，只能凭借经验和试凑。一般情况下，问题的复杂程度（非线性程度和维度）越高，隐含层节点数越多。这里介绍一个小经验：先用不太大的节点数进行预测，如果增加节点数测试集准确率和训练集准确率都有所提升，则应该继续增加。如果增加节点数测试集准确率增加很不明显，而训练集准确率还是有所提升，则不应该继续增加，当前的就是很理想的，继续增加节点数只会起到反效果。

同学，模型一般不能乱拟合的。你可以使用多个模型拟合一个模型，但只选取一个最佳的模型，其选取原则，我这里可以给出三个最常用的原则和方法：
1模型算出的值与实测值之差的平方和为最小；
2要是知道模型的统计特性，上面的1可以改为模型算出的值与实测值之差的平方和的均值为最小；
3模型算出的值与实测值之差是白噪声，这算是最普遍的用法了，原因很简单，只有模型吻合的情况下，它们之差就是随机白噪声；

先导入数据。
1、导入数据：打开Origin软件，将需要进行拟合的数据导入，可通过File->Open打开相应的数据文件。
2、选择拟合函数：在工具栏中选择Fitting，然后选择NonlinearCurveFit进行曲线拟合，选择需要的拟合函数类型，比如多项式函数。
3、设置拟合条件：设置拟合的初值、边界值和拟合要求等条件，可以选择默认值或者手动设置。
4、执行拟合：点击拟合按钮，Origin会将数据进行拟合计算，并在图像上绘制出拟合后的曲线。
5、查看拟合结果：通过查看拟合参数和残差等信息，来评估拟合效果的好坏。

你画出他们相减的值的图不就可以吗？当然我建议你这张图效果其实挺好的，两个几乎拟合其实还是这种比较好，考虑到你要打印推荐你画相减的值的图，看纵坐标的取值范围，最好可以可以用ylim将纵坐标放大，避免完全和y=0重合。

---