回歸預測 | MATLAB實現(xiàn)TSO-ELM金槍魚群優(yōu)化算法優(yōu)化極限學習機多輸入單輸出回歸預測（多指標，多圖）

效果一覽

基本介紹

回歸預測 | MATLAB實現(xiàn)TSO-ELM金槍魚群優(yōu)化算法優(yōu)化極限學習機多輸入單輸出回歸預測（多指標，多圖），輸入多個特征，輸出單個變量，多輸入單輸出回歸預測；
多指標評價，代碼質量極高；excel數(shù)據，方便替換，運行環(huán)境2018及以上。
金槍魚群優(yōu)化算法（Tuna Search Algorithm）是一種基于金槍魚覓食行為的啟發(fā)式優(yōu)化算法，用于解決優(yōu)化問題。如果你想使用金槍魚群優(yōu)化算法來優(yōu)化極限學習機。

程序設計

• 完整源碼和數(shù)據獲取方式：私信回復TSO-ELM金槍魚群算法優(yōu)化極限學習機多輸入單輸出回歸預測（多指標，多圖）。

%%  清空環(huán)境變量
warning off             % 關閉報警信息
close all               % 關閉開啟的圖窗
clear                   % 清空變量
clc                     % 清空命令行

%%  導入數(shù)據
res = xlsread('data.xlsx');

%%  劃分訓練集和測試集
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);

%%  數(shù)據歸一化
[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);



%%  仿真測試
t_sim1 = sim(net, p_train);
t_sim2 = sim(net, p_test);

%%  數(shù)據反歸一化
T_sim1 = mapminmax('reverse', t_sim1, ps_output);
T_sim2 = mapminmax('reverse', t_sim2, ps_output);

%%  均方根誤差
error1 = sqrt(sum((T_sim1 - T_train).^2) ./ M);
error2 = sqrt(sum((T_sim2 - T_test ).^2) ./ N);



%%  相關指標計算
% 決定系數(shù) R2
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;

disp(['訓練集數(shù)據的R2為：', num2str(R1)])
disp(['測試集數(shù)據的R2為：', num2str(R2)])

% 平均絕對誤差 MAE
mae1 = sum(abs(T_sim1 - T_train)) ./ M ;
mae2 = sum(abs(T_sim2 - T_test )) ./ N ;

disp(['訓練集數(shù)據的MAE為：', num2str(mae1)])
disp(['測試集數(shù)據的MAE為：', num2str(mae2)])

% 平均相對誤差 MBE
mbe1 = sum(T_sim1 - T_train) ./ M ;
mbe2 = sum(T_sim2 - T_test ) ./ N ;

disp(['訓練集數(shù)據的MBE為：', num2str(mbe1)])
disp(['測試集數(shù)據的MBE為：', num2str(mbe2)])

參考資料

[1] https://blog.csdn.net/kjm13182345320/article/details/129215161
[2] https://blog.csdn.net/kjm13182345320/article/details/128105718文章來源地址http://www.zghlxwxcb.cn/news/detail-673198.html

到了這里，關于回歸預測 | MATLAB實現(xiàn)TSO-ELM金槍魚群優(yōu)化算法優(yōu)化極限學習機多輸入單輸出回歸預測（多指標，多圖）的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！