当前位置：首页 > news >正文

自己的主机做服务器网站如何备案兰州做网站的公司

news 2026/4/6 23:03:22

自己的主机做服务器网站如何备案,兰州做网站的公司,如何做网站家具导购,西安网站建设方案外包【MATLAB第80期】基于MATLAB的结构核岭回归SKRR多输入单输出回归预测及分类预测模型 SKRR这是Gustau Camps-Valls等人在“用深度结构核回归检索物理参数”中提出的结构核岭回归（SKRR）方法。参考文献： Camps-Valls,Retrieval of Physical Pa…

【MATLAB第80期】基于MATLAB的结构核岭回归SKRR多输入单输出回归预测及分类预测模型

SKRR这是Gustau Camps-Valls等人在“用深度结构核回归检索物理参数”中提出的结构核岭回归（SKRR）方法。
参考文献：
Camps-Valls,Retrieval of Physical Parameters with Deep Structured Kernel Regression

一、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('数据集.xlsx');%%  划分训练集和测试集
temp = randperm(103);P_train = res(temp(1: 80), 1: 7)';
T_train = res(temp(1: 80), 8)';
M = size(P_train, 2);P_test = res(temp(81: end), 1: 7)';
T_test = res(temp(81: end), 8)';
N = size(P_test, 2);%%  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);%转置以适应模型
p_train = p_train'; p_test = p_test';
t_train = t_train'; t_test = t_test';

1、linear

SKRR linear训练集数据的R2为：1
SKRR linear测试集数据的R2为：1
SKRR linear训练集数据的MAE为：0.0028973
SKRR linear测试集数据的MAE为：0.0042063
SKRR linear训练集数据的MBE为：-5.67e-05
SKRR linear测试集数据的MBE为：0.00019721
在这里插入图片描述

2、rbf

SKRR rbf训练集数据的R2为：0.99997
SKRR rbf测试集数据的R2为：0.99985
SKRR rbf训练集数据的MAE为：0.029127
SKRR rbf测试集数据的MAE为：0.042224
SKRR rbf训练集数据的MBE为：0.0048
SKRR rbf测试集数据的MBE为：-0.020914
在这里插入图片描述

二、分类预测

%%  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('数据集C.xlsx');%%  划分训练集和测试集
temp = randperm(357);P_train = res(temp(1: 240), 1: 12)';
T_train = res(temp(1: 240), 13)';
M = size(P_train, 2);P_test = res(temp(241: end), 1: 12)';
T_test = res(temp(241: end), 13)';
N = size(P_test, 2);%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input );
p_train=p_train';
p_test=p_test';
t_train = T_train';
t_test  = T_test' ;