Matlab 非线性分类与FFANN回归

我试图区分两类用于预测的数据。基本上，因变量是我想要预测的信号的特征。我想预测信号在不久的将来是正斜率还是负斜率（提前1个时间步）。我尝试过不同的时间序列分析，如傅立叶分析、神经网络拟合、自回归模型和神经网络分类（在Matlab中使用patternet）

函数是连续的，因此最合理的假设是使用某种回归分析工具来确定将要发生什么。但是，因为我只关心斜率是正还是负，所以我将信号更改为二进制信号（如果斜率为正，则为1；如果斜率为0或负，则为1）

这是迄今为止我得到的最好的结果！然而，由于一些未知的原因，设计用于分类的神经网络无法工作（混淆矩阵表示精度约为50%）。所以我决定尝试使用常规前馈神经网络

由于神经网络输出连续的数据，我不知道该怎么做。。。但后来我想起了逻辑回归，因为它的传递函数是对数函数（以0和1为界），所以它可以解释为概率。所以我基本上也是这么做的，定义了一个阈值（例如高于0是1，低于0是-1），瞧！天空摇晃！我得到的精度约为70-80%

由于我使用的是S形传递函数，神经网络wll具有连续输出，就像逻辑回归一样（但在这种情况下介于-1和1之间），因此我假设我的方法在技术上仍然是回归，而不是分类。我的问题是哪一个更好？对于我的特定问题，拟合没有给出真正好的结果，但我必须将其转换为二进制问题。。。哪个应该得到更好的结果？分类还是回归

我是否应该尝试不同的神经网络配置（具有不同的传递函数），是否应该尝试使用支持向量机或任何其他分类算法？或者我应该坚持回归，但自己定义一个阈值，就像我用逻辑回归一样