回歸預(yù)測(cè) | Matlab基于ABC-SVR人工蜂群算法優(yōu)化支持向量機(jī)的數(shù)據(jù)多輸入單輸出回歸預(yù)測(cè)

預(yù)測(cè)效果

基本描述

1.Matlab基于ABC-SVR人工蜂群算法優(yōu)化支持向量機(jī)的數(shù)據(jù)多輸入單輸出回歸預(yù)測(cè)（完整源碼和數(shù)據(jù)）
2.ABC選擇最佳的SVM核函數(shù)參數(shù)c和g;
3.多特征輸入單輸出的回歸預(yù)測(cè)。程序內(nèi)注釋詳細(xì)，excel數(shù)據(jù)，直接替換數(shù)據(jù)就可以用。
4.程序語(yǔ)言為matlab，程序可出預(yù)測(cè)效果圖，迭代優(yōu)化圖，相關(guān)分析圖，運(yùn)行環(huán)境matlab2020b及以上。評(píng)價(jià)指標(biāo)包括:R2、RPD、MSE、RMSE、MAE、MAPE等。
5.代碼特點(diǎn)：參數(shù)化編程、參數(shù)可方便更改、代碼編程思路清晰、注釋明細(xì)。

程序設(shè)計(jì)

• 完整程序和數(shù)據(jù)獲取方式資源出下載Matlab基于ABC-SVR人工蜂群算法優(yōu)化支持向量機(jī)的數(shù)據(jù)多輸入單輸出回歸預(yù)測(cè)。

%%  參數(shù)設(shè)置
%%  優(yōu)化算法
[Best_score,Best_pos, curve] = ABC(pop, Max_iteration, lb, ub, dim, fun); 

%%  獲取最優(yōu)參數(shù)
bestc = Best_pos(1, 1);  
bestg = Best_pos(1, 2); 

%%  建立模型
cmd = [' -t 2 ', ' -c ', num2str(bestc), ' -g ', num2str(bestg), ' -s 3 -p 0.01 '];
model = svmtrain(t_train, p_train, cmd);

%%  仿真預(yù)測(cè)
[t_sim1, error_1] = svmpredict(t_train, p_train, model);
[t_sim2, error_2] = svmpredict(t_test , p_test , model);

%%  數(shù)據(jù)反歸一化
T_sim1 = mapminmax('reverse', t_sim1, ps_output);
T_sim2 = mapminmax('reverse', t_sim2, ps_output);
T_sim1 =T_sim1';
T_sim2 =T_sim2';
%%  適應(yīng)度曲線
figure;
plot(1 : length(curve), curve, 'LineWidth', 1.5);
title('適應(yīng)度曲線', 'FontSize', 13);
xlabel('迭代次數(shù)', 'FontSize', 13);
ylabel('適應(yīng)度值', 'FontSize', 13);
grid
set(gcf,'color','w')

%%  相關(guān)指標(biāo)計(jì)算
%%  均方根誤差
toc
%% 測(cè)試集結(jié)果
figure;
plotregression(T_test,T_sim2,['回歸圖']);
set(gcf,'color','w')
figure;
ploterrhist(T_test-T_sim2,['誤差直方圖']);
set(gcf,'color','w')
%%  均方根誤差 RMSE
error1 = sqrt(sum((T_sim1 - T_train).^2)./M);
error2 = sqrt(sum((T_test - T_sim2).^2)./N);

%%
%決定系數(shù)
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;

%%
%均方誤差 MSE
mse1 = sum((T_sim1 - T_train).^2)./M;
mse2 = sum((T_sim2 - T_test).^2)./N;
%%
%RPD 剩余預(yù)測(cè)殘差
SE1=std(T_sim1-T_train);
RPD1=std(T_train)/SE1;

SE=std(T_sim2-T_test);
RPD2=std(T_test)/SE;
%% 平均絕對(duì)誤差MAE
MAE1 = mean(abs(T_train - T_sim1));
MAE2 = mean(abs(T_test - T_sim2));
%% 平均絕對(duì)百分比誤差MAPE
MAPE1 = mean(abs((T_train - T_sim1)./T_train));
MAPE2 = mean(abs((T_test - T_sim2)./T_test));

參考資料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-816078.html

到了這里，關(guān)于回歸預(yù)測(cè) | Matlab基于ABC-SVR人工蜂群算法優(yōu)化支持向量機(jī)的數(shù)據(jù)多輸入單輸出回歸預(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)！