怎么建好网站,临沂做网站价格,网址推广主要做些什么内容,网站开发中背景图片怎么弄全屏回归预测 | Matlab实现ReliefF-XGBoost多变量回归预测 目录 回归预测 | Matlab实现ReliefF-XGBoost多变量回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.ReliefF-xgboost回归预测代码#xff0c;对序列数据预测性能相对较高。首先通过ReleifF对输入特征计算权…回归预测 | Matlab实现ReliefF-XGBoost多变量回归预测 目录 回归预测 | Matlab实现ReliefF-XGBoost多变量回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.ReliefF-xgboost回归预测代码对序列数据预测性能相对较高。首先通过ReleifF对输入特征计算权重排序后筛选再通过xgboost模型预测输出。数据是excel格式。 2.运行环境为Matlab2021b 3.excel数据集输入多个特征输出单个变量多变量回归预测预测main.m为主程序运行即可,所有文件放在一个文件夹 4.命令窗口输出R2、MAE、 MBE、MAPE、 RMSE多指标评价 代码特点参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 程序设计 完整源码和数据获取方式私信回复Matlab实现ReliefF-XGBoos多变量回归预测。
%% 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%% 导入数据
res xlsread(data.xlsx,sheet1,A2:H104);%% 数据分析
num_size 0.7; % 训练集占数据集比例
outdim 1; % 最后一列为输出
num_samples size(res, 1); % 样本个数
res res(randperm(num_samples), :); % 打乱数据集不希望打乱时注释该行
num_train_s round(num_size * num_samples); % 训练集样本个数
f_ size(res, 2) - outdim; % 输入特征维度%% 划分训练集和测试集
P_train res(1: num_train_s, 1: f_);
T_train res(1: num_train_s, f_ 1: end);
M size(P_train, 2);P_test res(num_train_s 1: end, 1: f_);
T_test res(num_train_s 1: end, f_ 1: end);
N size(P_test, 2);f_ size(P_train, 1); % 输入特征维度%% 数据归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input);[t_train, ps_output] mapminmax(T_train, 0, 1);
t_test mapminmax(apply, T_test, ps_output);%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 数据转置
p_train p_train; p_test p_test;
t_train t_train; t_test t_test;
%% 设置参数
num_trees 100; % 树的数量
params.objective reg:linear; % 线性函数
params.max_depth 5; % 最大深度
%% 建立模型
model xgboost_train(p_train, t_train, params, num_trees);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 预测
t_sim1 xgboost_test(p_train, model);
t_sim2 xgboost_test(p_test, model);
%% 数据反归一化
T_sim1 mapminmax(reverse, t_sim1, p_output);
T_sim2 mapminmax(reverse, t_sim2, p_output);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% V. 评价指标
%% 均方根误差 RMSE
error1 sqrt(sum((T_sim1(1,:) - T_train(1,:)).^2)./M);
error2 sqrt(sum((T_test(1,:) - T_sim2(1,:)).^2)./N);
————————————————版权声明本文为博主原创文章遵循 CC 4.0 BY-SA 版权协议转载请附上原文出处链接和本声明。原文链接https://blog.csdn.net/kjm13182345320/article/details/128107434
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129215161 [2] https://blog.csdn.net/kjm13182345320/article/details/128105718
