用matlab写一个用LSTM分类数据的例子

在MATLAB中，使用长短期记忆网络（Long Short-Term Memory, LSTM）进行分类通常涉及到深度学习库如Deep Learning Toolbox。下面是一个简单的例子，展示如何用MATLAB创建一个LSTM模型对序列数据进行二分类：

% 导入所需的工具箱和支持库
addpath('toolbox_path'); % 如果没全局安装，需要指定路径

% 假设我们有训练数据集 'data' 和对应的标签 'labels'
data = ...; % 你的输入数据（应该是时间序列数据）
labels = ...; % 样本对应的类别标签，0或1表示两类

% 数据预处理（归一化、序列填充等）
data = normalize(data);
[max_seq_len, n_features] = size(data);

% 创建LSTM模型
layers = [
    sequenceInputLayer(n_features)
    lstmLayer(64)   % 设置隐藏层单元数
    fullyConnectedLayer(1) % 输出一层对应于二分类
    softmaxLayer       % 对输出进行概率分布计算
    classificationLayer % 最终分类层
];

% 定义损失函数和优化器
lossFunction = 'crossentropyex';
optimizer = 'adam';

% 训练模型
options = trainingOptions('adam', ...
    'MaxEpochs', 50, ...          % 迭代次数
    'MiniBatchSize', 32, ...       % 批量大小
    'ValidationData', {val_data, val_labels}, ... % 验证数据
    'Plots', 'training-progress', ... % 显示训练进度图
    'Verbose', false);              % 静默模式

net = trainNetwork(data, labels, layers, options);

% 使用模型预测新样本
[new_data, predicted_labels] = predict(net, new_data);

% 检查性能
confMat = confusionmat(labels, predicted_labels);