【MATLAB第72期】基于MATLAB的LightGbm(LGBM)梯度增强决策树多输入多输出回归预测模型

【MATLAB第72期】基于MATLAB的LightGbm(LGBM)梯度增强决策树多输入多输出回归预测模型

一、学习资料

(LGBM)是一种基于梯度增强决策树(GBDT)算法。

往期研究了多输入单输出回归预测方法,本次研究多输入多输出回归预测。
参考链接:

lightgbm原理参考链接:
训练过程评价指标metric函数参考链接:
lightgbm参数介绍参考链接:
lightgbm调参参考链接:


二、回归预测(多输入多输出)

1.数据设置

数据(103个样本,6输入2输出)
2.预测结果


3.参数设置

clike 复制代码
parameters=containers.Map;
parameters('task')='train';
parameters('boosting_type')='gbdt';
parameters('metric')='rmse';
parameters('num_leaves')=31;
parameters('learning_rate')=0.05; %越大,训练集效果越好
parameters('feature_fraction')=0.9;
parameters('bagging_fraction')=0.8;
parameters('bagging_freq')=5;
parameters('num_threads')=1;
parameters('verbose')=1;

4.训练过程

clike 复制代码
[   1]  train rmse 0.233357
[   2]  train rmse 0.231044
[   3]  train rmse 0.228797
[   4]  train rmse 0.227415
............
[ 497]  train rmse 0.085027
[ 498]  train rmse 0.085003
[ 499]  train rmse 0.084895
[ 500]  train rmse 0.084889
bestIteration: 500
变量1训练集数据的R2为:0.86962
变量1测试集数据的R2为:0.68349
变量1训练集数据的MAE为:17.4661
变量1测试集数据的MAE为:30.9187
变量1训练集数据的MBE为:0.41216
变量1测试集数据的MBE为:10.9088
变量2训练集数据的R2为:-1.6106
变量2测试集数据的R2为:-1.3039
变量2训练集数据的MAE为:9.6898
变量2测试集数据的MAE为:10.2226
变量2训练集数据的MBE为:-2.193
变量2测试集数据的MBE为:-1.9149

5.特征变量敏感性分析

三、代码获取

CSDN后台私信回复"72期"即可获取下载方式。

相关推荐
其实吧36 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
Matlab程序猿小助手14 小时前
【MATLAB源码-第208期】基于matlab的改进A*算法和传统A*算法对比仿真;改进点:1.无斜穿障碍物顶点2.删除中间多余节点,减少转折。
开发语言·嵌入式硬件·算法·matlab·机器人
IT猿手18 小时前
基于卷积神经网络(CNN)的时间序列预测,15个输入1个输出,可以更改数据集,MATLAB代码
人工智能·深度学习·神经网络·算法·matlab·cnn
其实吧31 天前
基于MATLAB的运动车辆跟踪检测系统
开发语言·matlab
梦里水乡8571 天前
基于MATLAB的农业病虫害识别研究
开发语言·matlab
FOUR_A1 天前
【机器学习导引】ch4-决策树
人工智能·决策树·机器学习
墨痕_7772 天前
论文阅读笔记Dense Passage Retrieval for Open-Domain Question Answering
matlab
武子康2 天前
大数据-207 数据挖掘 机器学习理论 - 多重共线性 矩阵满秩 线性回归算法
大数据·人工智能·算法·决策树·机器学习·矩阵·数据挖掘
真的是我22 天前
基于MATLAB课程设计-图像处理完整版
图像处理·人工智能·计算机视觉·matlab
顶呱呱程序2 天前
2-140 基于Solidworks和Matlab Simulink Simscape仿真的机器人手臂仿真
开发语言·matlab·机器人·simulink·simscape·机器人手臂仿真