基于门控循环单元（GRU）的多维输入单输出回归预测

GRU（Gated Recurrent Unit）是一种常用的循环神经网络（RNN）变体，具有门控机制，可以用于处理序列数据。本文将介绍如何使用GRU实现多维输入单输出的回归预测，并提供相应的MATLAB代码。

GRU模型是一种递归神经网络（RNN），特别适用于处理序列数据。相比于传统的RNN模型，GRU模型引入了更新门和重置门的概念，以控制信息的流动和隐藏状态的更新。在回归预测任务中，我们希望根据输入的多维数据，预测出一个连续的输出值。

下面是使用MATLAB实现基于GRU的多维输入单输出回归预测的示例代码：

% 步骤1：准备数据
% 假设我们有n个样本，每个样本有m个特征
X = ...; % 输入数据矩阵，大小为 n x m
y = ...; % 输出标签向量，大小为 n x 1

% 步骤2：数据预处理