%%  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');

%%  分析数据 num_class = length(unique(res(:, end)));  % 类别数（Excel最后一列放类别） num_dim = size(res, 2) - 1;               % 特征维度 num_res = size(res, 1);                   % 样本数（每一行，是一个样本） num_size = 0.7;                           % 训练集占数据集的比例 res = res(randperm(num_res), :);          % 打乱数据集（不打乱数据时，注释该行） flag_conusion = 1;                        % 标志位为1，打开混淆矩阵（要求2018版本及以上）

%%  设置变量存储数据 P_train = []; P_test = []; T_train = []; T_test = [];

%%  划分数据集 for i = 1 : num_class     mid_res = res((res(:, end) == i), :);           % 循环取出不同类别的样本     mid_size = size(mid_res, 1);                    % 得到不同类别样本个数     mid_tiran = round(num_size * mid_size);         % 得到该类别的训练样本个数

    P_train = [P_train; mid_res(1: mid_tiran, 1: end - 1)];       % 训练集输入     T_train = [T_train; mid_res(1: mid_tiran, end)];              % 训练集输出

    P_test  = [P_test; mid_res(mid_tiran + 1: end, 1: end - 1)];  % 测试集输入     T_test  = [T_test; mid_res(mid_tiran + 1: end, end)];         % 测试集输出 end

%%  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 )';

%%  数据平铺 %   将数据平铺成1维数据只是一种处理方式 %   也可以平铺成2维数据，以及3维数据，需要修改对应模型结构 %   但是应该始终和输入层数据结构保持一致 P_train =  double(reshape(P_train, num_dim, 1, 1, M)); P_test  =  double(reshape(P_test , num_dim, 1, 1, N));

智能算法及其模型预测

好文链接

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：