在看了案例二中的BP神经网络训练及预测代码后，我开始不明白BP神经网络究竟能做什么了。。。 程序最后得到

网络的训练过程与使用过程了两码事。
比如BP应用在分类，网络的训练是指的给你一些样本，同时告诉你这些样本属于哪一类，然后代入网络训练，使得这个网络具备一定的分类能力，训练完成以后再拿一个未知类别的数据通过网络进行分类。这里的训练过程就是先伪随机生成权值，然后把样本输入进去算出每一层的输出，并最终算出来预测输出（输出层的输出），这是正向学习过程；最后通过某种训练算法（最基本的是感知器算法）使得代价（预测输出与实际输出的某范数）函数关于权重最小，这个就是反向传播过程。
您所说的那种不需要预先知道样本类别的网络属于无监督类型的网络，比如自组织竞争神经网络。

BP网络的作用类似于人脑的类推学习过程，
分为训练过程：已知条件+已知结果===神经网络
和应用过程：待解答条件+神经网络===模拟结果

比如我们在认知过程中，
看到[黑猫]我们会联想到[猫]
看到[白猫]我们会联想到[猫]
看到[黄猫]我们会联想到[猫]

神经网络训练完毕

在应用中
我们看到一只[花猫]
能够识别是[猫]

这就是神经网络，输入的是已知的条件和结果
就像举例说明
对于未知的输入进行变量匹配
如果匹配不成功，就算误差，然后更新认知
直到匹配成功

对神经网络进行训练后，

不是字多就好，要理解别人同时让别人理解才行。
按照你的问题简单的说就是新数据遍历旧数据在训练集的到的输出。

bp网络只有预测效果，比如利用往年的业绩来预测今年的

不知道啊不知道