手机怎么做自己的网站,食品网站建设书,蜂蜜网络营销推广方案,wordpress 作品相册目录
一、程序及算法内容介绍#xff1a;
基本内容#xff1a;
亮点与优势#xff1a;
二、实际运行效果#xff1a; 三、部分程序#xff1a; 四、全部代码数据分享#xff1a; 一、程序及算法内容介绍#xff1a;
基本内容#xff1a; 本代码基于Matlab平台编译…目录
一、程序及算法内容介绍
基本内容
亮点与优势
二、实际运行效果 三、部分程序 四、全部代码数据分享 一、程序及算法内容介绍
基本内容 本代码基于Matlab平台编译使用门控循环单元(GRU)进行数据回归预测 输入训练的数据包含7个特征1个响应值即通过7个输入值预测1个输出值多变量回归预测 归一化训练数据提升网络泛化性 通过门控循环单元(GRU)神经网络提取数据的特征进行预测回归提升整体网络的性能 训练门控循环单元(GRU)可自行指定各种参数修改方便 迭代计算过程中自动显示优化进度条实时查看程序运行进展情况 自动输出多种多样的的误差评价指标自动输出大量实验效果图片
亮点与优势 注释详细几乎每一关键行都有注释说明适合小白起步学习 直接运行Main函数即可看到所有结果使用便捷 编程习惯良好程序主体标准化逻辑清晰方便阅读代码 所有数据均采用Excel格式输入替换数据方便适合懒人选手 出图详细、丰富、美观可直观查看运行效果 附带详细的说明文档其内容包括算法原理使用方法说明
二、实际运行效果 三、部分程序
clear;
warning off;
%% 导入数据
Data table2array(readtable(数据集.xlsx));
% 本例数据集中包含
% 1. 总共103个样本每一行表示一个样本
% 2. 每个样本7个特征值即前7列每一列表示样本的一个特征即输入的变量
% 3. 每个样本1个响应值第8列为表示样本的响应值即被预测的变量%% 划分训练集和测试集
Temp randperm(size(Data,1)); % 打乱数据的顺序提升模型的泛化性。
InPut_num 1:1:7; % 输入特征个数数据表格中前7列为输入值因此设置为1:1:7若前5个为输入则设置为1:1:5
OutPut_num 8; % 输出响应个数本例仅一个响应值为数据表格中第8个若多个响应值参照上行数据格式设置为x:1:y% 选取前80个样本作为训练集后23个样本作为测试集即180和81end
Train_InPut Data(Temp(1:80),InPut_num); % 训练输入
Train_OutPut Data(Temp(1:80),OutPut_num); % 训练输出
Test_InPut Data(Temp(81:end),InPut_num); % 测试输入
Test_OutPut Data(Temp(81:end),OutPut_num); % 测试输出
clear Temp;
%% 数据归一化
% 将输入特征数据归一化到0-1之间
[~, Ps.Input] mapminmax([Train_InPut;Test_InPut],0,1);
Train_InPut mapminmax(apply,Train_InPut,Ps.Input);
Test_InPut mapminmax(apply,Test_InPut,Ps.Input);
% 将输出响应数据归一化到0-1之间
[~, Ps.Output] mapminmax([Train_OutPut;Test_OutPut],0,1);
Train_OutPut mapminmax(apply,Train_OutPut,Ps.Output);
Test_OutPut mapminmax(apply,Test_OutPut,Ps.Output);
Temp_TrI cell(size(Train_InPut,2),1);
Temp_TrO cell(size(Train_OutPut,2),1);
Temp_TeI cell(size(Test_InPut,2),1);
Temp_TeO cell(size(Test_OutPut,2),1); 四、全部代码数据分享
