技术栈
lstm-adaboost
机器学习之心
10 个月前
lstm-adaboost
·
abkde
·
自适应带宽核密度估计
·
多变量回归区间预测
·
集成学习长短期记忆神经网络
区间预测 | Matlab实现LSTM-Adaboost-ABKDE的集成学习长短期记忆神经网络自适应带宽核密度估计多变量回归区间预测
1.Matlab实现LSTM-Adaboost-ABKDE的集成学习长短期记忆神经网络结合自适应带宽核函数密度估计的多变量回归区间预测(完整源码和数据) 2.LSTM-Adaboost-ABKDE的集成学习长短期记忆神经网络结合自适应带宽核函数密度估计的多变量回归区间预测(点预测+概率预测+核密度估计) Matlab语言 3.多变量单输出,包括点预测+概率预测+核密度估计曲线,MatlabR2021a及以上版本运行,提供多种置信区间!评价指标包括R2、MAE、RMSE、MAPE、区间覆盖率picp、区间平
机器学习之心
1 年前
时间序列预测
·
lstm-adaboost
·
长短期记忆网络
·
结合adaboost
时序预测 | MATLAB实现基于LSTM-AdaBoost长短期记忆网络结合AdaBoost时间序列预测
x1.Matlab实现LSTM-Adaboost时间序列预测,长短期记忆神经网络结合AdaBoost时间序列预测(风电功率预测); 2.运行环境为Matlab2020b; 3.data为数据集,excel数据,单变量时间序列数据,LSTM_AdaboostTS.m为主程序,运行即可,所有文件放在一个文件夹; 4.命令窗口输出R2、MAE、MAPE、RMSE多指标评价;
机器学习之心
1 年前
adaboost
·
lstm
·
多输入分类预测
·
lstm-adaboost
·
长短期记忆网络
分类预测 | MATLAB实现基于LSTM-AdaBoost长短期记忆网络结合AdaBoost多输入分类预测
1.分类预测 | MATLAB实现基于LSTM-AdaBoost长短期记忆网络结合AdaBoost多输入分类预测; 2.运行环境为Matlab2020b; 3.输入多个特征,分四类,多特征分类预测; 4.data为数据集,excel数据,前12列输入,最后1列输出四类标签,运行主程序即可,所有文件放在一个文件夹。