時(shí)序預(yù)測(cè) | Matlab實(shí)現(xiàn)CNN-XGBoost卷積神經(jīng)網(wǎng)絡(luò)結(jié)合極限梯度提升樹(shù)時(shí)間序列預(yù)測(cè)
效果一覽
基本描述
時(shí)序預(yù)測(cè) | Matlab實(shí)現(xiàn)CNN-XGBoost卷積神經(jīng)網(wǎng)絡(luò)結(jié)合極限梯度提升樹(shù)時(shí)間序列預(yù)測(cè)。
Matlab實(shí)現(xiàn)CNN-XGBoost卷積神經(jīng)網(wǎng)絡(luò)結(jié)合極限梯度提升樹(shù)時(shí)間序列預(yù)測(cè)（完整源碼和數(shù)據(jù)）
1.data為數(shù)據(jù)集，單變量時(shí)間序列數(shù)據(jù)集。
2.CNN_XGBoostTS.m為主程序文件，其他為函數(shù)文件，無(wú)需運(yùn)行;
3.評(píng)價(jià)指標(biāo)R2、MAE、MAPE、MSE、RMSE；
4.注意程序和數(shù)據(jù)放在一個(gè)文件夾，文件夾不可以XGBoost命名，因?yàn)橛泻瘮?shù)已經(jīng)用過(guò)，運(yùn)行環(huán)境為Matlab2020及以上。文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-690833.html
程序設(shè)計(jì)
- 完整程序和數(shù)據(jù)下載：Matlab實(shí)現(xiàn)CNN-XGBoost卷積神經(jīng)網(wǎng)絡(luò)結(jié)合極限梯度提升樹(shù)時(shí)間序列預(yù)測(cè)。
Function_name='F1'; % Name of the test function that can be
end
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 設(shè)置必要的指針
h_test_ptr = libpointer;
h_test_ptr_ptr = libpointer('voidPtrPtr', h_test_ptr);
test_ptr = libpointer('singlePtr', single(p_test));
calllib('xgboost', 'XGDMatrixCreateFromMat', test_ptr, rows, cols, model.missing, h_test_ptr_ptr);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 預(yù)測(cè)
out_len_ptr = libpointer('uint64Ptr', uint64(0));
f = libpointer('singlePtr');
f_ptr = libpointer('singlePtrPtr', f);
calllib('xgboost', 'XGBoosterPredict', h_booster_ptr, h_test_ptr, int32(0), uint32(0), int32(0), out_len_ptr, f_ptr);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 提取預(yù)測(cè)
n_outputs = out_len_ptr.Value;
setdatatype(f, 'singlePtr', n_outputs);
————————————————
版權(quán)聲明：本文為CSDN博主「機(jī)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(qǐng)附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/kjm13182345320/article/details/124929272
參考資料
[1] https://blog.csdn.net/kjm13182345320/article/details/127596777?spm=1001.2014.3001.5501
[2] https://download.csdn.net/download/kjm13182345320/86830096?spm=1001.2014.3001.5501文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-690833.html
到了這里，關(guān)于時(shí)序預(yù)測(cè) | Matlab實(shí)現(xiàn)CNN-XGBoost卷積神經(jīng)網(wǎng)絡(luò)結(jié)合極限梯度提升樹(shù)時(shí)間序列預(yù)測(cè)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY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)！
