基于双向长短期记忆网络(BILSTM)分类预测，matlab代码，要求2019及以上版本 多特征输入单输出的二分类及多分类模

%% 清空环境变量 warning off % 关闭报警信息 close all % 关闭开启的图窗 clear % 清空变量 clc % 清空命令行 %% 读取数据 res = xlsread('数据集.xlsx'); %% 划分训练集和测试集% P_train = res(1: 250, 1: 12)'; T_train = res(1: 250, 13)'; M = size(P_train, 2); P_test = res(251: end, 1: 12)'; T_test = res(251: end, 13)'; N = size(P_test, 2); num_dim = size(P_train, 1); % 特征维度 num_class = length(unique(res(:, end))); % 类别数（Excel最后一列放类别） % 类别数（Excel最后一列放类别） %% 数据转置 % P_train = P_train'; P_test = P_test'; % T_train = T_train'; T_test = T_test'; %% 得到训练集和测试样本个数 M = size(P_train, 2); N = size(P_test , 2); %% 数据归一化 [P_train, ps_input] = mapminmax(P_train, 0, 1); P_test = mapminmax('apply', P_test, ps_input); t_train = categorical(T_train)'; t_test = categorical(T_test )'; %% 格式转换 for i = 1 : M p_train{i, 1} = P_train(:, i); end for i = 1 : N p_test{i, 1} = P_test(:, i); end %% 优化算法参数设置 Best_pos = [5e-3, 20, 1e-3]; % 参数取值(学习率，隐藏层节点，正则化系数) %% 记录最佳参数 best_lr = Best_pos(1, 1); best_hd = Best_pos(1, 2); best_l2 = Best_pos(1, 3); %% 建立模型 disp(['搜索：']) disp(['https://mbd.pub/o/DDR1']) %% 混淆矩阵 %%if flag_conusion == 1 %% figure %% cm = confusionchart(T_train, T_sim1); %% cm.Title = 'Confusion Matrix for Train Data'; %% cm.ColumnSummary = 'column-normalized'; %% cm.RowSummary = 'row-normalized'; %% figure %% cm = confusionchart(T_test, T_sim2); %% cm.Title = 'Confusion Matrix for Test Data'; %% cm.ColumnSummary = 'column-normalized'; %% cm.RowSummary = 'row-normalized'; %%end