【LSTM】基于Matlab的LSTM模型建模（代碼）

訓練目標：用LSTM訓練數據
數據：隨時間遞增，患者患病的概率（橫坐標1個單位代表1個時間單位）

以下代碼可直接運行

clc
clear
close all
warning off             % 關閉報警信息
%% 1.數據操作
%  1.1.導入數據（時間序列的單列數據）
result=[0.491920000000000;0.493110000000000;0.493500000000000;0.493130000000000;0.493030000000000;0.493300000000000;0.494200000000000;0.493710000000000;0.496820000000000;0.517990000000000;0.520820000000000;0.519940000000000;0.526180000000000;0.539890000000000;0.539940000000000;0.544180000000000;0.546260000000000;0.548060000000000;0.546630000000000;0.555100000000000;0.563040000000000;0.579750000000000;0.565900000000000;0.563570000000000;0.564210000000000;0.560570000000000;0.558160000000000;0.561030000000000;0.561560000000000;0.560440000000000;0.558830000000000;0.559350000000000;0.560960000000000;0.563650000000000;0.563540000000000;0.567910000000000;0.575060000000000;0.583420000000000;0.601880000000000;0.601530000000000;0.606360000000000;0.606550000000000;0.630050000000000;0.620690000000000;0.614940000000000;0.603100000000000;0.607630000000000;0.603300000000000;0.599720000000000;0.598090000000000;0.593870000000000;0.588400000000000;0.585860000000000;0.585130000000000;0.582710000000000;0.582340000000000;0.583140000000000;0.583010000000000;0.587090000000000;0.585560000000000;0.583510000000000;0.582330000000000;0.581860000000000;0.582250000000000;0.581560000000000;0.581720000000000;0.581850000000000;0.581700000000000;0.581640000000000;0.581730000000000;0.581750000000000;0.582010000000000;0.582300000000000;0.582010000000000;0.581950000000000;0.581610000000000;0.581560000000000;0.581350000000000;0.581390000000000;0.581390000000000;0.581460000000000;0.578030000000000;0.575260000000000;0.575350000000000;0.574720000000000;0.574490000000000;0.574030000000000;0.573920000000000;0.573570000000000;0.573930000000000;0.573110000000000;0.569010000000000;0.567140000000000;0.564360000000000;0.562870000000000;0.547610000000000;0.552310000000000;0.549870000000000;0.550070000000000;0.550230000000000;0.547310000000000;0.542390000000000;0.534440000000000;0.526430000000000;0.517120000000000;0.519210000000000;0.518710000000000;0.513420000000000;0.513700000000000;0.516800000000000;0.515670000000000;0.514780000000000;0.515900000000000;0.518920000000000;0.523500000000000;0.529110000000000;0.533660000000000;0.534560000000000;0.534840000000000;0.544520000000000;0.548930000000000;0.547530000000000;0.550070000000000;0.551520000000000;0.551900000000000;0.548020000000000;0.548340000000000;0.545510000000000;0.542860000000000;0.539040000000000;0.534920000000000;0.530500000000000;0.527860000000000;0.521330000000000;0.518660000000000;0.514010000000000;0.509850000000000;0.518760000000000;0.515490000000000;0.515520000000000;0.511880000000000;0.507600000000000;0.506950000000000;0.505560000000000;0.503360000000000;0.501310000000000;0.491530000000000;0.492310000000000;0.506920000000000;0.511040000000000;0.515040000000000;0.514190000000000;0.512240000000000;0.506010000000000;0.498760000000000;0.492790000000000;0.494370000000000;0.497710000000000;0.499380000000000;0.500720000000000;0.503000000000000;0.499770000000000;0.499120000000000;0.498010000000000;0.494530000000000;0.492070000000000;0.490980000000000;0.491880000000000;0.486550000000000;0.482350000000000;0.478690000000000;0.481420000000000;0.486600000000000;0.483140000000000;0.485200000000000;0.486450000000000;0.487920000000000;0.484740000000000;0.482780000000000;0.477770000000000;0.470000000000000;0.462320000000000;0.452610000000000;0.449950000000000;0.440330000000000;0.431450000000000;0.440030000000000;0.448320000000000;0.448890000000000;0.450310000000000;0.444580000000000;0.445540000000000;0.451420000000000;0.464090000000000;0.458530000000000;0.457430000000000;0.462820000000000;0.464640000000000;0.472200000000000;0.481920000000000;0.479030000000000;0.469390000000000;0.460680000000000;0.459740000000000;0.456930000000000;0.456570000000000;0.454550000000000;0.449380000000000;0.446460000000000;0.442270000000000;0.439160000000000;0.439590000000000;0.442490000000000;0.435250000000000;0.433820000000000;0.438930000000000;0.438690000000000;0.447310000000000;0.449910000000000;0.456990000000000;0.458640000000000;0.465590000000000;0.459120000000000;0.452850000000000;0.443170000000000;0.441500000000000;0.438940000000000;0.436990000000000;0.431910000000000;0.424760000000000;0.430160000000000;0.427400000000000;0.428270000000000;0.427210000000000;0.424490000000000;0.420810000000000;0.421140000000000;0.418800000000000;0.424450000000000;0.423260000000000;0.421040000000000;0.422550000000000;0.419320000000000;0.413910000000000;0.415110000000000;0.418610000000000;0.416820000000000;0.418680000000000;0.417220000000000;0.414720000000000;0.410470000000000;0.410220000000000;0.410460000000000;0.415340000000000;0.420080000000000;0.424610000000000;0.426650000000000;0.428930000000000;0.429900000000000;0.422950000000000;0.419840000000000;0.415020000000000;0.417300000000000;0.414550000000000;0.417120000000000;0.426030000000000;0.430160000000000;0.438500000000000;0.449040000000000;0.455390000000000;0.450630000000000;0.442190000000000;0.444520000000000;0.449320000000000;0.456670000000000;0.463000000000000;0.460970000000000;0.465340000000000;0.473150000000000;0.480470000000000;0.481410000000000;0.484040000000000;0.501350000000000;0.512490000000000;0.502950000000000;0.506600000000000;0.523500000000000;0.529070000000000;0.532140000000000;0.538260000000000;0.538910000000000;0.556210000000000;0.557800000000000;0.542430000000000;0.542970000000000;0.543120000000000;0.558870000000000;0.547000000000000;0.551350000000000;0.554080000000000;0.533670000000000;0.541600000000000;0.548510000000000;0.547460000000000;0.533460000000000;0.529090000000000;0.524910000000000;0.519110000000000;0.513990000000000;0.523360000000000;0.531840000000000;0.530700000000000;0.525780000000000;0.520660000000000;0.534100000000000;0.531300000000000;0.535090000000000;0.536950000000000;0.540470000000000;0.542610000000000;0.545830000000000;0.548130000000000;0.553070000000000;0.553920000000000;0.556190000000000;0.560570000000000;0.568670000000000;0.567120000000000;0.563730000000000;0.560180000000000;0.551870000000000;0.546230000000000;0.555360000000000;0.556180000000000;0.557860000000000;0.562760000000000;0.571520000000000;0.578350000000000;0.577720000000000;0.582280000000000;0.579830000000000;0.571850000000000;0.572100000000000;0.577450000000000;0.588550000000000;0.581540000000000;0.570350000000000;0.580370000000000;0.580630000000000;0.585510000000000;0.584050000000000;0.590000000000000;0.590300000000000;0.584600000000000;0.587830000000000;0.594780000000000;0.597830000000000;0.603780000000000;0.619160000000000;0.627030000000000;0.613980000000000;0.617240000000000;0.620570000000000;0.623700000000000;0.618400000000000;0.618670000000000;0.632310000000000;0.634660000000000;0.649350000000000;0.657350000000000;0.649250000000000;0.647890000000000;0.654770000000000;0.662730000000000;0.663750000000000;0.664650000000000;0.682750000000000;0.681650000000000;0.664860000000000;0.649870000000000;0.645800000000000;0.639220000000000;0.634110000000000;0.638150000000000;0.642500000000000;0.631970000000000;0.631250000000000;0.635560000000000;0.653930000000000;0.651470000000000;0.652590000000000;0.650590000000000;0.654460000000000;0.657290000000000;0.656220000000000;0.667190000000000;0.673240000000000;0.661900000000000;0.658900000000000;0.667880000000000;0.669440000000000;0.668110000000000;0.664600000000000;0.666930000000000;0.671470000000000;0.665430000000000;0.666580000000000;0.668040000000000;0.671790000000000;0.672500000000000;0.675660000000000;0.681920000000000;0.685250000000000;0.693360000000000;0.704380000000000;0.702430000000000;0.693650000000000;0.706050000000000;0.713330000000000;0.707970000000000;0.712950000000000;0.707080000000000;0.706040000000000;0.693340000000000;0.687040000000000;0.674400000000000;0.678960000000000;0.685600000000000;0.696410000000000;0.691640000000000;0.699000000000000;0.698750000000000;0.704670000000000;0.710290000000000;0.712730000000000;0.722190000000000;0.719400000000000;0.722420000000000;0.719630000000000;0.715720000000000;0.722510000000000;0.730600000000000;0.739300000000000;0.751700000000000;0.762520000000000;0.756560000000000;0.755640000000000;0.763110000000000;0.762040000000000;0.758280000000000;0.762220000000000;0.763190000000000;0.779590000000000;0.785660000000000;0.809540000000000;0.806740000000000;0.804970000000000;0.814850000000000;0.834480000000000;0.822580000000000;0.816410000000000;0.788810000000000;0.792560000000000;0.810850000000000;0.832280000000000;0.830430000000000;0.835600000000000;0.849000000000000;0.856660000000000;0.867680000000000;0.878970000000000;0.895190000000000;0.896600000000000;0.892060000000000;0.898690000000000;0.913530000000000;0.922270000000000;0.935610000000000;0.938890000000000;0.921270000000000;0.869760000000000;0.826410000000000;0.828530000000000;0.815750000000000;0.779670000000000;0.809480000000000;0.816780000000000;0.821870000000000;0.792000000000000;0.789300000000000;0.787830000000000;0.785480000000000;0.789820000000000;0.775390000000000;0.772650000000000;0.762180000000000;0.728890000000000;0.715260000000000;0.712710000000000;0.713220000000000;0.739190000000000;0.719260000000000;0.715430000000000;0.715060000000000;0.736560000000000;0.759460000000000;0.743740000000000;0.700780000000000;0.706900000000000;0.708020000000000;0.706430000000000;0.700290000000000;0.695900000000000;0.700140000000000;0.703770000000000;0.695410000000000;0.678490000000000;0.674730000000000;0.696070000000000;0.700300000000000;0.699190000000000;0.692950000000000;0.692300000000000;0.694570000000000;0.716960000000000;0.711960000000000;0.719450000000000;0.707630000000000;0.692490000000000;0.678380000000000;0.688180000000000;0.686310000000000;0.674950000000000;0.677400000000000;0.683160000000000;0.683610000000000;0.665430000000000;0.655030000000000;0.648620000000000;0.649220000000000;0.650990000000000;0.663280000000000;0.669970000000000;0.671100000000000;0.658980000000000;0.664310000000000;0.659560000000000;0.648940000000000;0.657190000000000;0.666020000000000;0.670540000000000;0.672520000000000;0.677190000000000;0.671770000000000;0.668180000000000;0.674410000000000;0.668040000000000;0.675910000000000;0.677610000000000;0.692380000000000;0.694410000000000;0.699730000000000;0.696180000000000;0.700950000000000;0.710600000000000;0.703620000000000;0.699770000000000;0.703980000000000;0.701310000000000;0.698180000000000;0.702390000000000;0.698860000000000;0.688420000000000;0.676940000000000;0.678220000000000;0.666080000000000;0.656860000000000;0.653630000000000;0.658250000000000;0.656530000000000;0.654030000000000;0.649010000000000;0.636560000000000;0.630800000000000;0.625640000000000;0.621790000000000;0.622430000000000;0.617970000000000;0.613470000000000;0.610800000000000;0.601640000000000;0.594810000000000;0.598480000000000;0.595160000000000;0.615230000000000;0.612410000000000;0.604500000000000;0.613810000000000;0.622020000000000;0.620760000000000;0.618260000000000;0.617480000000000;0.625090000000000;0.626490000000000;0.634950000000000;0.634240000000000;0.619360000000000;0.615270000000000;0.607310000000000;0.605570000000000;0.607800000000000;0.609030000000000;0.614830000000000;0.610600000000000;0.603480000000000;0.601690000000000;0.585820000000000;0.568740000000000;0.563040000000000;0.565430000000000;0.558210000000000;0.551860000000000;0.551920000000000;0.545770000000000;0.547080000000000;0.535890000000000;0.547430000000000;0.552190000000000;0.559520000000000;0.563260000000000;0.567380000000000;0.570850000000000;0.572400000000000;0.566170000000000;0.564120000000000;0.543380000000000;0.543060000000000;0.545270000000000;0.533060000000000;0.532580000000000;0.537240000000000;0.527550000000000;0.533110000000000;0.535540000000000;0.530660000000000;0.535040000000000;0.536640000000000;0.551380000000000;0.551790000000000;0.558320000000000;0.567050000000000;0.585720000000000;0.584990000000000;0.593260000000000;0.585620000000000;0.581670000000000;0.585820000000000;0.589620000000000;0.586620000000000;0.593590000000000;0.594590000000000;0.587800000000000;0.593750000000000;0.596710000000000;0.594860000000000;0.589590000000000;0.575720000000000;0.569790000000000;0.568050000000000;0.564350000000000;0.560920000000000;0.551080000000000;0.545250000000000;0.540760000000000;0.539080000000000;0.547160000000000;0.553760000000000;0.556280000000000;0.555050000000000;0.563650000000000;0.568130000000000;0.565330000000000;0.570910000000000;0.572890000000000;0.565760000000000;0.570300000000000;0.577430000000000;0.581640000000000;0.582150000000000;0.581820000000000;0.591080000000000;0.588700000000000;0.590120000000000;0.583080000000000;0.590050000000000;0.594930000000000;0.600420000000000;0.615200000000000;0.634030000000000;0.635550000000000;0.636160000000000;0.657160000000000;0.643990000000000;0.643770000000000;0.621070000000000;0.615170000000000;0.616980000000000;0.610010000000000;0.606910000000000;0.620190000000000;0.635960000000000;0.634980000000000;0.635970000000000;0.646780000000000;0.645700000000000;0.634560000000000;0.619990000000000;0.621920000000000;0.643390000000000;0.630660000000000;0.625400000000000;0.635180000000000;0.632240000000000;0.633940000000000;0.639710000000000;0.639080000000000;0.636150000000000;0.625910000000000;0.622040000000000;0.617490000000000;0.616620000000000;0.602820000000000;0.606260000000000;0.605550000000000;0.595060000000000;0.589950000000000;0.590340000000000;0.584500000000000;0.595990000000000;0.610700000000000;0.620350000000000;0.623400000000000;0.613260000000000;0.610620000000000;0.610070000000000;0.611150000000000;0.611570000000000;0.607930000000000;0.597150000000000;0.593580000000000;0.591350000000000;0.592790000000000;0.593870000000000;0.587850000000000;0.580410000000000;0.575180000000000;0.562600000000000;0.554110000000000;0.551600000000000;0.549230000000000;0.539720000000000;0.534340000000000;0.526720000000000;0.517330000000000;0.518000000000000;0.527950000000000;0.535200000000000;0.530910000000000;0.533640000000000;0.524540000000000;0.507960000000000;0.510780000000000;0.512240000000000;0.513040000000000;0.507500000000000;0.509500000000000;0.507830000000000;0.509980000000000;0.517850000000000;0.515030000000000;0.521670000000000;0.529150000000000;0.516060000000000;0.523480000000000;0.522030000000000;0.511430000000000;0.508400000000000;0.502780000000000;0.503380000000000;0.512300000000000;0.522580000000000;0.529280000000000;0.540410000000000;0.560960000000000;0.571760000000000;0.563840000000000;0.561370000000000;0.564700000000000;0.589710000000000;0.585490000000000;0.583510000000000;0.576030000000000;0.578100000000000;0.579330000000000;0.591360000000000;0.605690000000000;0.614760000000000;0.612650000000000;0.621790000000000;0.615130000000000;0.601890000000000;0.593610000000000;0.594690000000000;0.586180000000000;0.593260000000000;0.600960000000000;0.594320000000000;0.590320000000000;0.577900000000000;0.576470000000000;0.575320000000000;0.571960000000000;0.581270000000000;0.584080000000000;0.583910000000000;0.577220000000000;0.563670000000000;0.564300000000000;0.556890000000000;0.562090000000000;0.560180000000000;0.552560000000000;0.545880000000000;0.532640000000000;0.538390000000000;0.540820000000000;0.562580000000000;0.555160000000000;0.559280000000000;0.551700000000000;0.558200000000000;0.569850000000000;0.570620000000000;0.577840000000000;0.582420000000000;0.581550000000000;0.579550000000000;0.576740000000000;0.569680000000000;0.569260000000000;0.568820000000000;0.562650000000000;0.559010000000000;0.551890000000000;0.547190000000000;0.550320000000000;0.547830000000000;0.543580000000000;0.538010000000000;0.532670000000000;0.523640000000000;0.522400000000000;0.517920000000000;0.523840000000000;0.520690000000000;0.521070000000000;0.519510000000000;0.516620000000000;0.503430000000000;0.501560000000000;0.507790000000000;0.550220000000000;0.584630000000000;0.571750000000000;0.587570000000000;0.589820000000000;0.616920000000000;0.634770000000000;0.648740000000000;0.654930000000000;0.656780000000000;0.658470000000000;0.647710000000000;0.635390000000000;0.637160000000000;0.650110000000000;0.661010000000000;0.652260000000000;0.649150000000000;0.650230000000000;0.656720000000000;0.691870000000000;0.701090000000000;0.693680000000000;0.694180000000000;0.690760000000000;0.696150000000000;0.685530000000000;0.673900000000000;0.663490000000000;0.657650000000000;0.646610000000000;0.646040000000000;0.634500000000000;0.637570000000000;0.651480000000000;0.649040000000000;0.646080000000000;0.648770000000000;0.657860000000000;0.660850000000000;0.677380000000000;0.666280000000000;0.667600000000000;0.672070000000000;0.664990000000000;0.670610000000000;0.668150000000000;0.678570000000000;0.666570000000000;0.667400000000000;0.665700000000000;0.646990000000000;0.648570000000000;0.659220000000000;0.662910000000000;0.656360000000000;0.657800000000000;0.672060000000000;0.674700000000000;0.674810000000000;0.677170000000000;0.675510000000000;0.673970000000000;0.673180000000000;0.668810000000000;0.671860000000000];
%  1.2.數據分析
num_samples = length(result);  % 樣本個數 
kim = 15;                      % 延時步長（kim個歷史數據作為自變量）
zim =  5;%1;                      % 跨zim個時間點進行預測%  1.3.劃分數據集
%得到數據集大小：length(result)-kim-zim+1行，kim+zim+1列
for i = 1: num_samples - kim - zim + 1res(i, :) = [reshape(result(i: i + kim - 1), 1, kim), result(i + kim + zim - 1)];
end
%  1.4.數據集分析
outdim = 1;                                  % 最后一列為輸出
num_size = 0.7;                              % 訓練集占數據集比例，0到1之間
num_train_s = round(num_size * num_samples); % 訓練集樣本個數
f_dim = size(res, 2) - outdim;                  % 輸入特征維度
%  1.5.劃分訓練集和測試集
P_train = res(1: num_train_s, 1: f_dim)';%取前num_train_s比例的數據構成訓練集
T_train = res(1: num_train_s, f_dim + 1: end)';%取后(1-num_train_s)比例的數據構成測試集
M = size(P_train, 2);P_test = res(num_train_s + 1: end, 1: f_dim)';
T_test = res(num_train_s + 1: end, f_dim + 1: end)';
N = size(P_test, 2);
%% 2.模型訓練+回歸
%  2.1.數據歸一化
[P_train, ps_input] = mapminmax(P_train, 0, 1);
P_test = mapminmax('apply', P_test, ps_input);[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);%  2.2.數據平鋪
% 將數據平鋪成1維數據只是一種處理方式
% 也可以平鋪成2維數據，以及3維數據，需要修改對應模型結構
% 但是應該始終和輸入層數據結構保持一致
P_train =  double(reshape(P_train, f_dim, 1, 1, M));
P_test  =  double(reshape(P_test , f_dim, 1, 1, N));t_train = t_train';
t_test  = t_test' ;%  2.3.數據格式轉換
for i = 1 : Mp_train{i, 1} = P_train(:, :, 1, i);
endfor i = 1 : Np_test{i, 1}  = P_test( :, :, 1, i);
end%  2.4.創建模型
layers = [sequenceInputLayer(f_dim)              % 建立輸入層lstmLayer(10, 'OutputMode', 'last') % LSTM層reluLayer                           % Relu激活層fullyConnectedLayer(1)              % 全連接層regressionLayer];                   % 回歸層%  2.5.參數設置
% options = trainingOptions('adam', ...       % Adam 梯度下降算法
%     'MaxEpochs', 1200, ...                  % 最大訓練次數
%     'InitialLearnRate', 5e-3, ...           % 初始學習率
%     'LearnRateSchedule', 'piecewise', ...   % 學習率下降
%     'LearnRateDropFactor', 0.1, ...         % 學習率下降因子
%     'LearnRateDropPeriod', 800, ...         % 經過 800 次訓練后 學習率為 0.005 * 0.1
%     'Shuffle', 'every-epoch', ...           % 每次訓練打亂數據集
%     'Plots', 'training-progress', ...       % 畫出曲線
%     'Verbose', false);
options = trainingOptions('adam', ...                 % 優化算法Adam'MaxEpochs', 300, ...                             % 最大訓練次數'GradientThreshold', 1, ...                       % 梯度閾值'InitialLearnRate', 5e-3, ...                     % 初始學習率'LearnRateSchedule', 'piecewise', ...             % 學習率調整'LearnRateDropPeriod', 250, ...                   % 訓練250次后開始調整學習率'LearnRateDropFactor',0.1, ...                    % 學習率調整因子'L2Regularization', 1e-4, ...                     % 正則化參數'ExecutionEnvironment', 'auto',...                % 訓練環境'Verbose', false, ...                                 % 關閉優化過程'Plots', 'training-progress');                    % 畫出曲線
%  2.6.訓練模型
net = trainNetwork(p_train, t_train, layers, options);%  2.7.仿真預測
t_sim1 = predict(net, p_train);
t_sim2 = predict(net, p_test );%  2.8.數據反歸一化，得到預測結果
T_sim1 = mapminmax('reverse', t_sim1, ps_output);
T_sim2 = mapminmax('reverse', t_sim2, ps_output);
%% 3.結果分析+誤差計算
%  3.1.均方根誤差
error1 = sqrt(sum((T_sim1' - T_train).^2) ./ M);
error2 = sqrt(sum((T_sim2' - T_test ).^2) ./ N);%  3.2.查看網絡結構
analyzeNetwork(net)%  3.3.繪圖
figure(1)
plot(1: M, T_train, 'r-')
hold on
plot(1: M, T_sim1, 'b-')%, 'LineWidth', 1)
legend('真實值', '預測值')
xlabel('預測樣本')
ylabel('預測結果')
string = {'訓練集預測結果對比'; ['RMSE=' num2str(error1)]};
title(string)
xlim([1, M])
gridfigure(2)
plot(1: N, T_test, 'r-')
hold on
plot(1: N, T_sim2, 'b-', 'LineWidth', 1)
legend('真實值', '預測值')
xlabel('預測樣本')
ylabel('預測結果')
string = {'測試集預測結果對比'; ['RMSE=' num2str(error2)]};
title(string)
xlim([1, N])
grid%  3.4.相關指標計算
% R2
R1 = 1 - norm(T_train - T_sim1')^2 / norm(T_train - mean(T_train))^2;
R2 = 1 - norm(T_test  - T_sim2')^2 / norm(T_test  - mean(T_test ))^2;disp(['訓練集數據的R2為：', num2str(R1)])
disp(['測試集數據的R2為：', num2str(R2)])% MAE
mae1 = sum(abs(T_sim1' - T_train)) ./ M ;
mae2 = sum(abs(T_sim2' - T_test )) ./ N ;disp(['訓練集數據的MAE為：', num2str(mae1)])
disp(['測試集數據的MAE為：', num2str(mae2)])% MBE
mbe1 = sum(T_sim1' - T_train) ./ M ;
mbe2 = sum(T_sim2' - T_test ) ./ N ;disp(['訓練集數據的MBE為：', num2str(mbe1)])
disp(['測試集數據的MBE為：', num2str(mbe2)])%  MAPE
mape1 = sum(abs((T_sim1' - T_train)./T_train)) ./ M ;
mape2 = sum(abs((T_sim2' - T_test )./T_test )) ./ N ;disp(['訓練集數據的MAPE為：', num2str(mape1)])
disp(['測試集數據的MAPE為：', num2str(mape2)])%%  4.畫圖
figure(3)
scatter(T_train, T_sim1,'bo')%
hold on
plot(xlim, ylim, '--k')
xlabel('訓練集真實值');
ylabel('訓練集預測值');
xlim([min(T_train) max(T_train)])
ylim([min(T_sim1) max(T_sim1)])
title('訓練集預測值 vs. 訓練集真實值')figure(4)
scatter(T_test, T_sim2,'bo')%
hold on
plot(xlim, ylim, '--k')
xlabel('測試集真實值');
ylabel('測試集預測值');
xlim([min(T_test) max(T_test)])
ylim([min(T_sim2) max(T_sim2)])
title('測試集預測值 vs. 測試集真實值')

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/web/14531.shtml
繁體地址，請注明出處：http://hk.pswp.cn/web/14531.shtml
英文地址，請注明出處：http://en.pswp.cn/web/14531.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

數據鏈路層協議——以太網協議

數據鏈路層協議——以太網協議

1. 數據鏈路層 網絡層用于將數據從一臺主機發送到另一臺主機。傳輸層用于將數據可靠的從一臺主機發送到另一臺主機。（網絡層沒有保證可靠性的策略，傳輸過程中可能會出現各種意外，例如：丟包，網絡擁塞等。通過傳輸層可以…
閱讀更多...
跨域問題的4種解決方案

跨域問題的4種解決方案

文章導讀 前言 跨域問題指的是在Web開發中，由于瀏覽器的同源策略限制，當一個網頁嘗試訪問與它不同源（協議、域名或端口不同）的資源時，可能會遇到安全限制導致無法正常訪問的問題。這種策略旨在防止惡意網站讀取或修改其…
閱讀更多...
yarn的基本命令和用法

yarn的基本命令和用法

Yarn通過并行安裝、離線模式、確定性安裝以及更好的依賴解析算法，為開發者提供了更快、更穩定、更安全的包管理體驗。它保留了npm的大部分功能，并在此基礎上做了大量優化，下面我們就來詳述Yarn的核心命令和實用技巧。📚 安裝Yarn…
閱讀更多...
【MySQL精通之路】InnoDB(7)-鎖和事務模型(2)-事務模型

【MySQL精通之路】InnoDB(7)-鎖和事務模型(2)-事務模型

主博客： 【MySQL精通之路】InnoDB(7)-鎖和事務模型-CSDN博客 上一篇： 【MySQL精通之路】InnoDB(7)-鎖和事務模型(1)-鎖-CSDN博客 下一篇： 目錄 1.事務隔離級別 2.1 可重復讀 2.2 讀已提交 2.3 讀取未提交 2.4 序列化讀 2.自動提交、…
閱讀更多...
訂餐系統總結、

訂餐系統總結、

應用層： SpringBoot:快速構建Spring項目，采用“約定大于配置”的思想，簡化Spring項目的配置開發。 SpringMvc：Spring框架的一個模塊，springmvc和spring無需通過中間整合層進行整合，可以無縫集成。 Sprin…
閱讀更多...
完整的數據可視化方法集

完整的數據可視化方法集

在當前的大數據時代，了解如何可視化數據是UI/UX設計師技能的重要組成部分。如今，幾乎所有的公司都需要良好的數據可視化作為確定業務方向和決策的參考。數據的可視化結果越好，用戶的決策就越科學。 1、什么是數據可視化 數據可視化是將信息…
閱讀更多...
張量 t-product 積（matlab代碼）

張量 t-product 積（matlab代碼）

參考文獻：Tensor Robust Principal Component Analysis with a New Tensor Nuclear Norm 首先是文章2.3節中 t-product 的定義： 塊循環矩陣： 參考知乎博主的例子及代碼：（t-product與t-QR分解，另一篇傅里葉對…
閱讀更多...
HTML5 設備訪問及輸入輸出設備交互

HTML5 設備訪問及輸入輸出設備交互

目錄 設備訪問輸入設備交互輸出設備交互設備訪問 設備信息訪問 navigator.userAgent：獲取瀏覽器的用戶代理字符串，從中可以解析出設備類型、操作系統、瀏覽器版本等信息。 const userAgent = navigator.userAgent; console.log(userAgent); // 輸出類似 "Mozilla/5.0…
閱讀更多...
算法(Algorithm)

算法(Algorithm)

算法（Algorithm）是指解題方案的準確而完整的描述，是一系列解決問題的清晰指令，代表著用系統的方法描述解決問題的策略機制。也就是說，算法能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。算法應該具有…
閱讀更多...
【python004】miniforge可行替代方案實戰總結（最近更新中）

【python004】miniforge可行替代方案實戰總結（最近更新中）

1.熟悉、梳理、總結項目研發實戰中的miniforge日常使用中的問題。隨著版本更新，做了一些變動，如商業化限制，取消一些語法等。 2.歡迎點贊、關注、批評、指正，互三走起來，小手動起來！
閱讀更多...
vue通過for循環生成input框后雙向綁定失效問題

vue通過for循環生成input框后雙向綁定失效問題

有些時候頁面上有太多的表單元素&#xff0c;一個個的寫太過繁瑣&#xff0c;拿 input 框舉例&#xff0c;眾多的 input 框&#xff0c;無非就是輸入框前的說明和 input 框的 name 屬性不一樣 <el-form :inline"true" :model"formInline" size"mi…
閱讀更多...
01-05.Vue自定義過濾器

01-05.Vue自定義過濾器

目錄 前言過濾器的概念過濾器的基本使用給過濾器添加多個參數 前言 我們接著上一篇文章01-04.Vue的使用示例&#xff1a;列表功能 來講。 下一篇文章 02-Vue實例的生命周期函數 過濾器的概念 概念&#xff1a;Vue.js 允許我們自定義過濾器&#xff0c;可被用作一些常見的文本…
閱讀更多...
軟件模塊的耦合

軟件模塊的耦合

軟件模塊的耦合 耦合是指軟件模塊之間的依賴程度&#xff0c;耦合越低&#xff0c;模塊之間的獨立性越高&#xff0c;軟件的可維護性、可重用性也越高。下面是幾種常見的耦合類型的概念&#xff1a; 數據耦合&#xff08;Data Coupling&#xff09;&#xff1a; 當一個模塊通…
閱讀更多...
Python ? 使用代碼解決今天中午吃什么的重大生存問題

Python ? 使用代碼解決今天中午吃什么的重大生存問題

1. 環境安裝 安裝Python代碼環境參考文檔 2. 代碼塊 import random# 準備一下你想吃的東西 hot ["蘭州拉面", "爆肚面", "黃燜雞", "麻辣香鍋", "米線", "麻食", "羊肉泡饃", "肚絲/羊血湯&qu…
閱讀更多...
doxygen 1.11.0 使用詳解（九）——包含公式

doxygen 1.11.0 使用詳解（九）——包含公式

目錄 Doxygen allows you to put LATEX formulas in the output (this works only for the HTML, LATEX and RTF output. To be able to include formulas (as images) in the HTML and RTF documentation, you will also need to have the following tools installed latex: …
閱讀更多...
定時監測服務器磁盤是否超過閾值，超過就刪除docker 鏡像

定時監測服務器磁盤是否超過閾值，超過就刪除docker 鏡像

達到指定百分比 刪除鏡像腳本 df -h 查找到 內存占用信息 &#xff0c;得到的 文件系統名稱是 overlay的&#xff0c;Use% 達到70就進行刪除docker 鏡像 #!/bin/bash# 設置磁盤使用閾值 THRESHOLD70# 獲取 overlay 文件系統的磁盤使用百分比 DISK_USAGES$(df -h | grep overl…
閱讀更多...
利用sentence bert 實現語義向量搜索

利用sentence bert 實現語義向量搜索

目錄 基于pytorch的中文語言模型預訓練:https://github.com/zhusleep/pytorch_chinese_lm_pretrain/tree/master sentence_emb.py search_faiss_robert768.py faiss_index.py gen_vec_save2_faiss.py 基于pytorch的中文語言模型預訓練:https://github.com/zhusleep/pytorch_…
閱讀更多...
[協議]stm32讀取AHT20程序示例

[協議]stm32讀取AHT20程序示例

AHT20溫度傳感器使用程序&#xff1a; 使用i2c讀取溫度傳感器數據很簡單&#xff0c;但市面上有至少兩個手冊&#xff0c;我這個對應的手冊貼出來&#xff1a; main: #include "stm32f10x.h" // Device header #include <stdint.h> #includ…
閱讀更多...
數智賦能內澇治理，四信城市排水防澇解決方案保障城市安全運行

數智賦能內澇治理，四信城市排水防澇解決方案保障城市安全運行

由強降雨、臺風造成城市低洼處出現大量積水、內澇的情況時有發生&#xff0c;給人們出行帶來了極大不便和安全隱患&#xff0c;甚至危及群眾生命財產安全。 為降低內澇造成的損失&#xff0c;一方面我們要大力加強城市排水基礎設施的建設&#xff1b;另一方面要全面掌握城市內澇…
閱讀更多...
U-Boot menu菜單分析

U-Boot menu菜單分析

文章目錄 前言目標環境背景U-Boot如何自動調起菜單U-Boot添加自定義命令實踐 前言 在某個廠家的開發板中&#xff0c;在進入它的U-Boot后&#xff0c;會自動彈出一個菜單頁面&#xff0c;輸入對應的選項就會執行對應的功能。如SD卡鏡像更新、顯示設置等&#xff1a; 目標 本…
閱讀更多...
最新文章

Copyright @ 2022~2023