lstm多变量单输出预测MATLAB代码

当使用LSTM进行多变量单输出预测时，可以使用MATLAB的Deep Learning Toolbox来实现。下面是一个简单的LSTM模型的MATLAB代码示例：

% 准备数据
data = % 输入数据，大小为[N x M]，其中N是时间步长，M是特征数
target = % 目标输出，大小为[N x 1]

% 划分训练集和测试集
train_ratio = 0.8; % 训练集比例
train_size = floor(train_ratio * size(data, 1));
train_data = data(1:train_size, :);
train_target = target(1:train_size);
test_data = data(train_size+1:end, :);
test_target = target(train_size+1:end);

% 创建LSTM模型
num_features = size(data, 2); % 特征数
num_hidden_units = 100; % LSTM隐藏单元数
num_classes = 1; % 输出类别数

layers = [
    sequenceInputLayer(num_features)
    lstmLayer(num_hidden_units,'OutputMode','last')
    fullyConnectedLayer(num_classes)
    regressionLayer
];

% 设置训练选项
options = trainingOptions('adam', ...
    'MaxEpochs', 50, ...
    'MiniBatchSize', 64, ...
    'ValidationData', {test_data, test_target}, ...
    'Plots', 'training-progress');

% 训练模型
model = trainNetwork(train_data, train_target, layers, options);

% 使用训练好的模型进行预测
predictions = predict(model, test_data);

请注意，上述代码中的`data`和`target`变量需要根据你的数据进行相应的替换。此外，你可能需要根据你的数据自定义模型的架构和训练选项。

希望这可以帮助你开始使用LSTM进行多变量单输出预测的MATLAB编程！如有任何疑问，请随时提问。