你在建立网络的时候不是用了net=newff(……）吗？这个net就是输出的
结果。newff
函数只是初始化一个神经网络，之后还得用train函数训练，训练好的net就是你要的网络。newff函数的格式为：net=newff(PR,[S1 S2 ...SN],{TF1 TF2...TFN},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。输入参数说明：PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；Si：第i层神经元个数；TFi：第i层的传递函数，默认函数为tansig函数；BTF：训练函数，默认函数为trainlm函数；BLF：权值/阀值学习函数，默认函数为learngdm函数；PF：性能函数，默认函数为mse函数。用R语言求置信区间是很方便的，而且很灵活，至少我觉得比spss好多了。如果你要求的只是95%的置信度的话，那么用一个很简单的命令就可以实现了首先，输入da=c(你的数据，用英文逗号分割），然后t.test(da)，运行就能得到结果了。我的数据是newbomb <- c(28,26,33,24,34,-44,27,16,40,-2,29,22,24,21,25,30,23,29,31,19)t.test(newbomb)得到的结果如下如果要求任意置信度下的置信区间的话，就需要自己编一个函数了。当然，有两点要记住的，置信区间的计算在知道
方差和不知道方差的情况下，计算公式是不一样的。下面做一个两种情况下都可以用的函数。confint<-function(x,sigma=-1,alpha=0.05) { n<-length(x) xb<-mean(x) if(sigma>=0) { tmp<-sigma/sqrt(n)*qnorm(1-alpha/2)df<-n } else{ tmp<-sd(x)/sqrt(n)*qt(1-alpha/2,n-1)df<- n-1 } data.frame(mean=xb,df=df,a=xb-tmp,b=xb+tmp) }这个函数的使用： 如果不知道方差，则confint（x,alpha） 知道方差，则confint（x,sigma,alpha)这样就能计算出结果了。《r语言实战》里面回归一章，通过height回归weight，这里有个confint()函数，说提供参数的置信区间，我随便输了几个level，如下，结果看不懂，有大神能解释下吗？多谢
>confint(fit,level=.9)
5 % 95 %
(Intercept) -98.030599 -77.002734
height3.288603 3.611397
>confint(fit,level=.8)
10 % 90 %
(Intercept) -95.53256 -79.50078
height3.32695 3.57305
>confint(fit,level=.1)
45 % 55 %
(Intercept) -88.277421 -86.755912
height3.438322 3.461678
>confint(fit,level=.99)
0.5 % 99.5 %
(Intercept) -105.400380 -69.632954
height 3.175472 3.724528
