二手书网站的建设规模,广州市品牌网站建设服务机构,产品 网站建设,微信管理系统后台回归预测 | MATLAB实现PSO-GPR粒子群优化高斯过程回归多输入单输出回归预测 目录 回归预测 | MATLAB实现PSO-GPR粒子群优化高斯过程回归多输入单输出回归预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 Matlab基于PSO-GPR基于粒子群算法优化高斯过程回归的数据回归预…回归预测 | MATLAB实现PSO-GPR粒子群优化高斯过程回归多输入单输出回归预测 目录 回归预测 | MATLAB实现PSO-GPR粒子群优化高斯过程回归多输入单输出回归预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 Matlab基于PSO-GPR基于粒子群算法优化高斯过程回归的数据回归预测完整源码和数据) 1.Matlab实现PSO-GPR基于粒子群算法优化高斯过程回归的多输入单输出回归预测完整源码和数据) 2.输入多个特征输出单个变量多输入单输出回归预测 3.多指标评价评价指标包括R2、MAE、MSE、RMSE等代码质量极高 4.粒子群算法优化参数为优化核函数超参数 sigma标准差初始噪声标准差 5.excel数据方便替换运行环境2018及以上。 程序设计
完整程序和数据获取方式1订阅《TSFM统计预测模型》(数据订阅后私信我获取):MATLAB实现PSO-GPR粒子群优化高斯过程回归多输入单输出回归预测专栏外只能获取该程序。完整程序和数据获取方式2(资源处下载):MATLAB实现PSO-GPR粒子群优化高斯过程回归多输入单输出回归预测
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 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
% restoredefaultpath
%% 导入数据
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
f_ size(P_train, 1); %输入特征维度
M size(P_train, 2);
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;
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 超参数设置
Best_pos [0.6, 0.7, 30]; % 优化下界%% 仿真测试
t_sim1 predict(net, p_train);
t_sim2 predict(net, p_test );
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 数据反归一化
T_sim1 mapminmax(reverse, t_sim1, ps_output);
T_sim2 mapminmax(reverse, t_sim2, ps_output);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 数据转置
T_sim1T_sim1;
T_sim2 T_sim2;
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 均方根误差
error1 sqrt(sum((T_sim1 - T_train).^2) ./ M);
error2 sqrt(sum((T_sim2 - T_test ).^2) ./ N);%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%
%决定系数
R1 1 - norm(T_train - T_sim1)^2 / norm(T_train - mean(T_train))^2;
R2 1 - norm(T_test - T_sim2)^2 / norm(T_test - mean(T_test ))^2;
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%
%均方误差 MSE
mse1 sum((T_sim1 - T_train).^2)./M;
mse2 sum((T_sim2 - T_test).^2)./N;
%%
%RPD 剩余预测残差
SE1std(T_sim1-T_train);
RPD1std(T_train)/SE1;
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
SEstd(T_sim2-T_test);
RPD2std(T_test)/SE;
%% 平均绝对误差MAE
MAE1 mean(abs(T_train - T_sim1));
MAE2 mean(abs(T_test - T_sim2));
%% 平均绝对百分比误差MAPE
MAPE1 mean(abs((T_train - T_sim1)./T_train));
MAPE2 mean(abs((T_test - T_sim2)./T_test));
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 测试集误差图
figure
ERROR3T_test-T_sim2;
plot(T_test-T_sim2,b-*,LineWidth,1.5)
xlabel(测试集样本编号)
ylabel(预测误差)
title(测试集预测误差)
grid on;
legend(GPR预测输出误差)
%% 打印出评价指标
disp([-----------------------误差计算--------------------------])
disp([评价结果如下所示])
disp([平均绝对误差MAE为,num2str(MAE2)])
disp([均方误差MSE为 ,num2str(mse2)])
disp([均方根误差RMSEP为 ,num2str(error2)])
disp([决定系数R^2为 ,num2str(R2)])
disp([剩余预测残差RPD为 ,num2str(RPD2)])
disp([平均绝对百分比误差MAPE为 ,num2str(MAPE2)])参考资料 [1]https://blog.csdn.net/kjm13182345320/article/details/124443069?spm1001.2014.3001.5501 [2]https://blog.csdn.net/kjm13182345320/article/details/124443735?spm1001.2014.3001.5501
