Transformer-LSTM 多变量回归预测：Matlab 实现与探索

Transformer-LSTM基于Transformer结合长短期记忆神经网络的数据多变量回归预测 Matlab语言程序已调试好，无需更改代码直接替换Excel运行你先用，你就是创新多变量单输出回归，回归预测也可以加好友换成分类或时间序列单列预测（售前选一种），回归效果如图1所示～网络结构图如图2所示评价指标包括R2、MAE、RMSE、MAPE 可售前加好友增加各类优化算法进行参数自动化寻优（如冠豪猪CPO、霜冰RIME等等），也可改进任意算法 Matlab版本要求在2023b及以上，没有的可附赠安装包注： 1.附赠测试数据，数据格式如图3所示～ 2.注释清晰，适合新手小白运行main文件一键出图～ 3.商品仅包含Matlab代码，后可保证原始程序运行 4.模型只是提供一个衡量数据集精度的方法，因此无法保证替换数据就一定得到您满意的结果～

嘿，各位搞数据预测的小伙伴们！今天咱来聊聊基于 Transformer 结合长短期记忆神经网络（LSTM）的数据多变量回归预测，用的是 Matlab 语言哦。

一、模型概述

Transformer - LSTM 这种组合模型，结合了 Transformer 在处理长序列依赖关系的优势，以及 LSTM 对时间序列数据中短期和长期依赖捕捉的能力。在多变量单输出回归任务里，它就像一个聪明的猎手，能从多个变量中"嗅出"与目标输出相关的关键信息。

比如在一些复杂的经济数据预测场景中，多个经济指标（变量）共同影响着某一经济趋势（输出），这个模型就能大显身手。

二、Matlab 程序体验

咱这程序已经调试得妥妥当当啦，你要是想用，直接替换 Excel 数据就能运行。就像这样简单：

matlab 复制代码

% 假设数据存储在 data.xlsx 文件中
data = readtable('data.xlsx'); 
% 将表格数据转换为数值矩阵
numericData = table2array(data); 
% 这里简单假设前几列是输入变量，最后一列是输出
inputVars = numericData(:, 1:end - 1); 
outputVar = numericData(:, end);

上面这段代码就是读取 Excel 数据，并把它整理成模型能用的格式。先读取表格，再转成数值矩阵，然后分离出输入变量和输出变量。

三、多种预测类型切换

除了多变量单输出回归，你要是有其他需求，比如分类或者时间序列单列预测（售前选一种哦），咱这模型也能满足。要是换成分类预测，思路就有点不同啦。比如说要预测某个产品是畅销还是滞销，输出就从连续值变成了类别值。在 Matlab 里可能就得调整一下输出层的激活函数和损失函数。像这样：

matlab 复制代码

% 假设已经有训练好的回归模型 netRegression
% 改成分类模型，这里简单示例更改输出层
netClassification = replaceLayer(netRegression, 'outputLayer', classificationLayer); 
% 训练分类模型
netClassification = trainNetwork(inputVars, categorical(outputVar), netClassification, trainingOptions('adam'));

这里先通过 replaceLayer 函数把回归模型的输出层换成适合分类的 classificationLayer，然后用分类数据重新训练模型。

四、回归效果与评价指标

回归效果都给你展示在图 1 里啦。评价这个模型，咱用 R2、MAE、RMSE、MAPE 这些指标。R2 能反映模型对数据的拟合优度，越接近 1 说明拟合得越好。MAE 就是平均绝对误差，看预测值和真实值平均差多少。RMSE 是均方根误差，对误差大的点更敏感。MAPE 是平均绝对百分比误差，能反映预测的相对误差。

在 Matlab 里计算这些指标也不难：

matlab 复制代码

% 假设已经得到预测值 yPred 和真实值 yTrue
yPred = predict(net, inputVars); 
mae = mean(abs(yPred - yTrue)); 
rmse = sqrt(mean((yPred - yTrue).^2)); 
mape = mean(abs((yPred - yTrue)./yTrue)) * 100; 
r2 = 1 - sum((yTrue - yPred).^2) / sum((yTrue - mean(yTrue)).^2);

这段代码里，先通过训练好的模型 net 得到预测值 yPred，然后分别计算 MAE、RMSE、MAPE 和 R2。

五、优化与改进

售前加好友的话，还能增加各类优化算法进行参数自动化寻优呢，像冠豪猪 CPO、霜冰 RIME 等等，超有趣。或者你也可以改进任意算法。比如说改进 LSTM 单元里的门控机制，说不定就能让模型性能更上一层楼。

六、Matlab 版本与数据

Matlab 版本得在 2023b 及以上哦，如果没有，咱还附赠安装包。而且还送测试数据，数据格式就像图 3 那样。程序注释也特别清晰，新手小白运行 main 文件一键就能出图，超方便。不过得说清楚哈，这模型只是提供一个衡量数据集精度的方法，替换数据不一定能得到你超满意的结果，但探索的乐趣不就在这嘛！

感兴趣的小伙伴赶紧加好友，一起探索这个有趣的模型世界呀！