目标：通过输入变量和输出变量（训练样本），调整各种参数，得到准确率较高的预测模型，
最后构建模型，再将训练样本输入模型与实测值对比，验证模型拟合度。
（但是我好像感觉前面通过调整各种参数选择准确率最高时的参数和最后一步的训练样本
验证有点冲突。。。想问一下您现在比较常用的是哪种方法呀？——我的最终目标是构建准
确率或者拟合度较高的预测模型）
输入：X
1
、X
2
、X
3
、...X
n
输出：Y
1）输入数据预处理
对输入数据进行归一化处理
2）训练样本抽取
这个地方，我看其他论文好像取 8（训练样本）:2（测试样本）的比例比较多，我的样
本量不多，如果 8:2 得出来准确率还不错，就不用对比了哈哈。
3）参数设置——迭代次数
迭代次数选择多个参数对比，选取预测模型准确率最好的次数。
4）参数设置——隐藏层——节点数
隐藏层个数：我看论文好像一般一层就可以。
节点数：选取多个节点数对比，选择预测模型准确率最高的那个节点数。
5）参数设置——函数选择
函数选择我不太懂哈哈哈，您看选择什么合适，准确率比较高就行。
6）过拟合检验
7）预测模型构建
8）训练样本验证
基于构建的预测模型，将 20%的训练样本输入训练好的预测模型，比较预测值与实测
值，通过 R
2
验证模型拟合程度。
