基于MATLAB的LSTM时序预测

您好，就是我用LSTM训练完数据集，但是我预测的时候想把它从更小的时间步长比如压缩到0.1秒一个步长来从0开始预测，参照您那一篇LSTM的博客该改那一部分的代码呀？救命

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7664602
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：常用的LSTM时间序列预测（单变量时间序列预测 | 多变量时间序列预测 | 他们的预测未来数据方法）
• 除此之外, 这篇博客: MATLAB中LSTM时序分类的用法与实战中的 2.2 用LSTM网络训练与测试 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 直接上代码

  %% 创建变量
  XTrain=mts.train;
  YTrain=categorical(mts.trainlabels);%将数值数组转化为类别数组
  XTest=mts.test;
  YTest=categorical(mts.testlabels);
  
  %% 构建LSTM网络
  inputSize = 12;%特征的维度
  numHiddenUnits = 100;%LSTM网路包含的隐藏单元数目
  numClasses = 9;%label标签的种数,该例子中为人数
  
  layers = [ ...
      sequenceInputLayer(inputSize)
      lstmLayer(numHiddenUnits,'OutputMode','last')
      fullyConnectedLayer(numClasses)
      softmaxLayer
      classificationLayer];
  
  maxEpochs = 100;%最大训练周期数
  miniBatchSize = 27;%分块尺寸
  
  options = trainingOptions('adam', ...
      'ExecutionEnvironment','cpu', ...
      'MaxEpochs',maxEpochs, ...
      'MiniBatchSize',miniBatchSize, ...
      'GradientThreshold',1, ...
      'Verbose',false, ...
      'Plots','training-progress');
  
  %% 训练
  net=trainNetwork(XTrain,YTrain,layers, options)
  
  %% 预测
  YPred = classify(net,XTest, ...
      'MiniBatchSize',miniBatchSize, ...
      'SequenceLength','longest')
  %% 精确度检验
  acc = sum(YPred == YTest)./numel(YTest)
  
  

  训练结果
  
  检验结果
  acc = 0.9324

  可见LSTM的分类效果还是挺优良的。
  .

• 您还可以看一下 沈福利老师的自然语言处理实战 深度学习之LSTM情感分析课程中的 文本情感分析 模型训练方法和验证方法定义小节, 巩固相关知识点