matlab lstm分类模型代码

以下是一个使用MATLAB进行二分类的示例，并使用LSTM神经网络分类器：

% 加载数据集
data = readmatrix('data.csv');
X = data(:, 1:end-1);
y = data(:, end);

% 将数据集分为训练集和测试集
[trainInd,testInd] = dividerand(size(X,1),0.8,0.2);
X_train = X(trainInd,:);
y_train = y(trainInd,:);
X_test = X(testInd,:);
y_test = y(testInd,:);

% 将输入序列转换为3D张量
X_train = reshape(X_train, [size(X_train,1), 1, size(X_train,2)]);
X_test = reshape(X_test, [size(X_test,1), 1, size(X_test,2)]);

% 创建 LSTM 模型
model = lstmLayer(50, 'OutputMode', 'last');
model = addLayers(model, fullyConnectedLayer(1));
model = addLayers(model, regressionLayer());
model = connectLayers(model, 'last', 'fc_1');
model = trainNetwork(X_train, y_train, model);

% 预测测试集的结果
y_pred = predict(model, X_test);

% 将预测结果转换为二进制输出
y_pred_bin = zeros(size(y_pred));
y_pred_bin(y_pred >= 0.5) = 1;

% 评估模型
accuracy = sum(y_pred_bin == y_test) / length(y_test);
fprintf('Accuracy: %.2f%%\n', accuracy * 100);

这个模型使用LSTM神经网络作为分类器。首先，数据集被拆分为训练集和测试集，并且输入序列被转换为3D张量。然后，模型被创建为LSTM层，其输出被连接到完全连接层，然后到回归层。然后，模型使用`trainNetwork`函数在训练数据集上进行训练。最后，模型使用`predict`函数对测试数据集进行预测，并使用准确性评估模型的性能。