本文以MATLAB R2022a为例，介绍使用软件自带的神经网络拟合工具箱。

首先，准备好需要分析的数据，包括预测变量、响应，在试验分析中分别对应试验因素、试验结果。每一组预测变量均对应一个响应，试验中一组试验因素对应一个试验结果。预测变量的数量、响应的数量分别对应神经网络中的输入层节点数、输出层节点数。

在“工作区”右键打开操作栏，新建2个的矩阵表格并命名（Ctrl+N），分别放置预测变量、响应的数据，双击打开表格，将准备好需要分析的数据复制到表格中。

如果预测变量的值按行排布，那响应值也按行，即观测值为行，或者都按列对应即观测值为列。如图所示预测变量有5种（5列），响应有2种（2列），即输入层节点数5、输出层节点数2，均为11行，即每行预测变量值都能对应一行响应值。

点击“APP”，在“机器学习和深度学习”中找到“神经网络拟合”，打开对话框。

 单击“导入”，打开“从工作区导入数据”对话框，分别选择预测变量、响应的矩阵表格，按照前述设置，选择观测值为行。如果对话框中显示观测值的个数一致，则说明设置正确，点击确定。

 之后设置验证数据、测试数据、层大小，训练数据可通过调整验证数据、测试数据而变化。点击训练，可以根据需求选择不同的训练方法，默认使用L-M法。

训练完成后，可以在结果上方查看训练状态、性能、误差直方图、回归、拟合的对应图像，在右上角可以生成代码、导出模型，右下角可以查看均方误差MSE、相关系数R。预测效果越好时，MSE越接近于0，R越接近于1。