分類預(yù)測(cè) | MATLAB實(shí)現(xiàn)PCA-GRU(主成分門控循環(huán)單元)分類預(yù)測(cè)
預(yù)測(cè)效果
基本介紹
Matlab實(shí)現(xiàn)基于PCA-GRU主成分分析-門控循環(huán)單元多輸入分類預(yù)測(cè)（完整程序和數(shù)據(jù)）
Matlab實(shí)現(xiàn)基于PCA-GRU主成分分析-門控循環(huán)單元多輸入分類預(yù)測(cè)（完整程序和數(shù)據(jù)）
基于主成分分析-門控循環(huán)單元分類預(yù)測(cè)，PCA-GRU分類預(yù)測(cè)，多輸入分類預(yù)測(cè)（Matlab完整程序和數(shù)據(jù)）
輸入多個(gè)特征，可用于二分類及多分類模型，可視化展示分類準(zhǔn)確率。
運(yùn)行環(huán)境Matlab2020及以上。
程序設(shè)計(jì)
-
完整程序和數(shù)據(jù)下載：MATLAB實(shí)現(xiàn)PCA-GRU(主成分門控循環(huán)單元)分類預(yù)測(cè)
-
程序設(shè)計(jì)文章來源：http://www.zghlxwxcb.cn/news/detail-702005.html
%% lstm
%輸入層設(shè)、學(xué)習(xí)層、全連接層
layers = [ ...
sequenceInputLayer(inputSize)
fullyConnectedLayer(outputSize)
regressionLayer];
%% trainoption(lstm)
%優(yōu)化算法、訓(xùn)練次數(shù)、梯度閾值、運(yùn)行環(huán)境、學(xué)習(xí)率、學(xué)習(xí)計(jì)劃
opts = trainingOptions('adam', ...
'MaxEpochs',800, ...
'MiniBatchSize',48,...
'GradientThreshold',1,...
'ExecutionEnvironment','gpu',...
'InitialLearnRate',0.005, ...
'LearnRateSchedule','piecewise', ...
'LearnRateDropPeriod',100, ...
'LearnRateDropFactor',0.8, ...
'Verbose',0, ...
'Plots','training-progress'...
);
參考資料
[1] https://blog.csdn.net/kjm13182345320/article/details/120498871?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/120525662?spm=1001.2014.3001.5501
[3] https://blog.csdn.net/kjm13182345320/article/details/120406657?spm=1001.2014.3001.5501
[4] https://mianbaoduo.com/o/bread/mbd-YZyblpxy文章來源地址http://www.zghlxwxcb.cn/news/detail-702005.html
致謝
- 大家的支持是我寫作的動(dòng)力!！
到了這里，關(guān)于分類預(yù)測(cè) | MATLAB實(shí)現(xiàn)PCA-GRU(主成分門控循環(huán)單元)分類預(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)！
