多維時序 | Matlab實現(xiàn)LSTM-Adaboost和LSTM多變量時間序列預(yù)測對比

預(yù)測效果

基本介紹

多維時序 | Matlab實現(xiàn)LSTM-Adaboost和LSTM多變量時間序列預(yù)測對比

模型描述

Matlab實現(xiàn)LSTM-Adaboost和LSTM多變量時間序列預(yù)測對比（完整程序和數(shù)據(jù)）
1.輸入多個特征，輸出單個變量；
2.考慮歷史特征的影響，多變量時間序列預(yù)測；
4.csv數(shù)據(jù)，方便替換；
5.運行環(huán)境Matlab2018b及以上；
6.輸出誤差對比圖。

程序設(shè)計

• 完整程序和數(shù)據(jù)獲取方式1：同等價值程序兌換；
• 完整程序和數(shù)據(jù)獲取方式2：私信博主回復(fù)Matlab實現(xiàn)LSTM-Adaboost和LSTM多變量時間序列預(yù)測對比獲取
• 完整程序和數(shù)據(jù)獲取方式3（直接下載）：Matlab實現(xiàn)LSTM-Adaboost和LSTM多變量時間序列預(yù)測對比。

 
        (32,'OutputMode',"last",'Name','bil4','RecurrentWeightsInitializer','He','InputWeightsInitializer','He')
        dropoutLayer(0.25,'Name','drop2')
        % 全連接層
        fullyConnectedLayer(numResponses,'Name','fc')
        regressionLayer('Name','output')    ];

    layers = layerGraph(layers);
    layers = connectLayers(layers,'fold/miniBatchSize','unfold/miniBatchSize');
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 訓(xùn)練選項
if gpuDeviceCount>0
    mydevice = 'gpu';
else
    mydevice = 'cpu';
end
    options = trainingOptions('adam', ...
        'MaxEpochs',MaxEpochs, ...
        'MiniBatchSize',MiniBatchSize, ...
        'GradientThreshold',1, ...
        'InitialLearnRate',learningrate, ...
        'LearnRateSchedule','piecewise', ...
        'LearnRateDropPeriod',56, ...
        'LearnRateDropFactor',0.25, ...
        'L2Regularization',1e-3,...
        'GradientDecayFactor',0.95,...
        'Verbose',false, ...
        'Shuffle',"every-epoch",...
        'ExecutionEnvironment',mydevice,...
        'Plots','training-progress');
%% 模型訓(xùn)練
rng(0);
net = trainNetwork(XrTrain,YrTrain,layers,options);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 測試數(shù)據(jù)預(yù)測
% 測試集預(yù)測
YPred = predict(net,XrTest,"ExecutionEnvironment",mydevice,"MiniBatchSize",numFeatures);
YPred = YPred';
% 數(shù)據(jù)反歸一化
YPred = sig.*YPred + mu;
YTest = sig.*YTest + mu;
————————————————
版權(quán)聲明：本文為CSDN博主「機器學(xué)習(xí)之心」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。

參考資料

[1] http://t.csdn.cn/pCWSp
[2] https://download.csdn.net/download/kjm13182345320/87568090?spm=1001.2014.3001.5501
[3] https://blog.csdn.net/kjm13182345320/article/details/129433463?spm=1001.2014.3001.5501文章來源地址http://www.zghlxwxcb.cn/news/detail-683356.html

到了這里，關(guān)于多維時序 | Matlab實現(xiàn)LSTM-Adaboost和LSTM多變量時間序列預(yù)測對比的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！