回归预测：MATLAB实现多输入单输出的GRU网络

回归预测：MATLAB实现多输入单输出的GRU网络

GRU（Gated Recurrent Unit）是一种递归神经网络（RNN）的变体，具有门控机制，可以有效地捕捉时间序列数据中的长期依赖关系。在本文中，我们将使用MATLAB实现一个多输入单输出的GRU网络，用于回归预测任务。

首先，我们需要准备数据集。假设我们有多个输入特征和一个目标变量。数据集可以表示为一个m×(n+1)的矩阵，其中m是样本数量，n是输入特征的数量。最后一列是目标变量。我们将数据集分为训练集和测试集，以便评估模型的性能。

下面是一个简单的示例数据集：

X = [1, 2, 3, 4; 
     2, 3, 4, 5; 
     3, 4, 5, 6; 
     4, 5, 6, 7];

y = [5; 6; 7; 8];

接下来，我们将实现GRU网络模型。首先，我们需要定义GRU的参数，包括输入维度、隐藏单元数和输出维度。

inputSize = size(X