回归预测 | Matlab实现GWO-GPR灰狼算法优化高斯过程回归多变量回归预测

回归预测 | Matlab实现GWO-GPR灰狼算法优化高斯过程回归多变量回归预测

目录

    • [回归预测 | Matlab实现GWO-GPR灰狼算法优化高斯过程回归多变量回归预测](#回归预测 | Matlab实现GWO-GPR灰狼算法优化高斯过程回归多变量回归预测)

预测效果







基本介绍

Matlab实现GWO-GPR灰狼算法优化高斯过程回归多变量回归预测

1.Matlab实现GWO-GPR灰狼算法优化高斯过程回归多变量回归预测(完整源码和数据)

2.输入多个特征,输出单个变量,多输入单输出回归预测;

3.多指标评价,评价指标包括:R2、MAE、MSE、RMSE等,代码质量极高;

4.粒子群算法优化参数为:优化核函数超参数 sigma,标准差,初始噪声标准差;

5.excel数据,方便替换,运行环境2018及以上,可在下载区获取数据和程序内容。

程序设计

clike 复制代码
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行
% restoredefaultpath
%%  导入数据
P_train = xlsread('data','training set','B2:G191')';
T_train= xlsread('data','training set','H2:H191')';
% 测试集------44个样本
P_test=xlsread('data','test set','B2:G45')';
T_test=xlsread('data','test set','H2:H45')';

f_ =size(P_train, 1); %输入特征维度
M = size(P_train, 2);
N = size(P_test, 2);
%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);

%%  转置以适应模型
p_train = p_train'; p_test = p_test';
t_train = t_train'; t_test = t_test';

%%  超参数设置
pop = 5;                               % 数量
Max_iter = 8;                    % 最大迭代次数
dim = 3;                               % 优化参数个数
lb = [0.1, 0.1, 10];             % 参数取值下界(核函数超参数 sigma,标准差,初始噪声标准差)
ub = [1, 1, 30];                 % 参数取值上界(核函数超参数 sigma,标准差,初始噪声标准差)

%% 优化
[Best_score,Best_pos, curve] = GWO(pop, Max_iter, lb, ub, dim, fobj);
% Best_pos = [0.6, 0.7, 30];    % 优化下界
sigmaL0 = Best_pos(1) * ones(f_, 1);   % 核函数超参数 sigma l
sigmaF0 = Best_pos(2);                 % 核函数超参数 - 标准差 sigma f
sigmaN0 = Best_pos(3);                 % 初始噪声标准差 sgima n

参考资料

[1]https://blog.csdn.net/kjm13182345320/article/details/124443069?spm=1001.2014.3001.5501

[2]https://blog.csdn.net/kjm13182345320/article/details/124443735?spm=1001.2014.3001.5501

相关推荐
机器学习之心2 个月前
顶刊算法 | 鹈鹕算法POA-Transformer-LSTM多变量回归预测
算法·lstm·transformer·多变量回归预测·poa
机器学习之心3 个月前
机器学习之心一区级 | Matlab实现SMA-Transformer-LSTM多变量回归预测(黏菌算法优化)
matlab·lstm·transformer·多变量回归预测·sma·黏菌算法优化
机器学习之心3 个月前
JCR一区级 | Matlab实现TTAO-Transformer-LSTM多变量回归预测
matlab·lstm·transformer·多变量回归预测·ttao
机器学习之心3 个月前
JCR一区级 | Matlab实现GA-Transformer-LSTM多变量回归预测
matlab·lstm·transformer·遗传算法·多变量回归预测
机器学习之心4 个月前
JCR一区级 | Matlab实现PSO-Transformer-LSTM多变量回归预测
matlab·lstm·transformer·多变量回归预测
机器学习之心6 个月前
回归预测 | Matlab实现SA-BP模拟退火算法优化BP神经网络多变量回归预测
bp神经网络·模拟退火算法·sa-bp·多变量回归预测
机器学习之心7 个月前
回归预测 | Matlab实现DBO-HKELM蜣螂算法优化混合核极限学习机多变量回归预测
蜣螂优化算法·多变量回归预测·混合核极限学习机·dbo-hkelm
机器学习之心8 个月前
回归预测 | Matlab实现CPO-BiTCN-BiGRU冠豪猪算法优化双向时间卷积门控循环单元多变量回归预测
多变量回归预测·冠豪猪算法优化·cpo-bitcn-bigru·双向时间卷积门控循环单元
机器学习之心8 个月前
回归预测 | Matlab实现RIME-BP霜冰算法优化BP神经网络多变量回归预测
bp神经网络·多变量回归预测·霜冰算法优化·rime-bp