回归猜测 | MATLAB实GRU多输入单输出回归猜测

回归猜测 | MATLAB实GRU多输入单输出回归猜测


  
猜测结果

基本先容

回归猜测 | MATLAB实GRU多输入单输出回归猜测。使用GRU作为RNN的一种变体来处理时间序列数据。GRU相比传统的RNN有较好的影象能力和防止梯度消失的特性。在模型构建中，输入层将多个时间序列数据输入到GRU模型中，而输出层通常是一个全连接层，用于将GRU的输出映射到猜测的单一输出变量。
步伐设计

• 完整代码：MATLAB实GRU多输入单输出回归猜测
  

1. %%  清空环境变量
2. warning off             % 关闭报警信息
3. close all               % 关闭开启的图窗
4. clear                   % 清空变量
5. clc  
6. addpath(genpath(pwd))
7. %% 导入数据
8. data =  readmatrix('day.csv');
9. data = data(:,3:16);
10. res=data(randperm(size(data,1)),:);    %此行代码用于打乱原始样本，使训练集测试集随机被抽取，有助于更新预测结果。
11. num_samples = size(res,1);   %样本个数
14. % 训练集和测试集划分
15. outdim = 1;                                  % 最后一列为输出
16. num_size = 0.7;                              % 训练集占数据集比例
17. num_train_s = round(num_size * num_samples); % 训练集样本个数
18. f_ = size(res, 2) - outdim;                  % 输入特征维度
21. P_train = res(1: num_train_s, 1: f_)';
22. T_train = res(1: num_train_s, f_ + 1: end)';
23. M = size(P_train, 2);
25. P_test = res(num_train_s + 1: end, 1: f_)';
26. T_test = res(num_train_s + 1: end, f_ + 1: end)';
27. N = size(P_test, 2);
29. %  数据归一化
30. [p_train, ps_input] = mapminmax(P_train, 0, 1);
31. p_test = mapminmax('apply', P_test, ps_input);
33. [t_train, ps_output] = mapminmax(T_train, 0, 1);
34. t_test = mapminmax('apply', T_test, ps_output);

复制代码

参考资料

   [1] https://blog.csdn.net/kjm13182345320/article/details/128267322?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/128234920?spm=1001.2014.3001.5501

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。