我在使用Matlab的fitnet神经网络尝试拟合一些输入以预测输出，但我关心的是在神经网络训练之前，作为预处理步骤，找出哪个输入候选向量与输出相关性最高。

在下图中，黄色的输出有五个输入候选，我需要从中选择。Matlab中我应该使用什么命令，以及如何准备这些数据（重复大约1000次），以便我能清楚地看到输入候选与输出之间的相关性。

回答：

要找出给定特征与目标变量之间的相关性，你可以使用R = corrcoef(A,B)，但是… 不要这样做！。

这个过程毫无意义，而且可能会对整个过程造成伤害。你将从数据中移除部分信息，只保留那些与目标变量有独立、线性关系的特征。随后，你将应用一个高度非线性的模型，该模型利用共现和特征相关性。这两个步骤是完全不兼容的。唯一有效的关系是 – 如果你的数据非常简单，可以用线性模型很好地拟合，那么神经网络也能工作。但如果是这样的话，首先就没有必要使用神经网络，只需应用线性回归。因此：除非你必须，否则不要进行特征选择。尝试在不进行特征选择的情况下构建一个好的模型，如果你必须移除一些特征（也许获取这些特征的过程很昂贵？），使用事后模型分析来移除该模型未使用的特征。如果没有必要，不要将你的问题分解为多个独立的过程（除非你能证明这种分解不会损害过程，但在特征选择+回归器的情况下，这不是真的，因为你无法在没有训练的回归器的情况下构建有效的特征选择监督）。