分类预测

机器学习之心

分类预测 | Matlab实现OOA-BP鱼鹰算法优化BP神经网络数据分类预测1.Matlab实现OOA-BP鱼鹰算法优化BP神经网络多特征分类预测（完整源码和数据） 2.数据为多特征分类数据，输入12个特征，分四类； 3.运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 4.优化BP神经网络的权值和阈值； 5.excel数据，方便替换，运行环境2018及以上。 6.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

机器学习之心

分类预测 | Matlab实现ABC-LSSVM人工蜂群算法优化最小二乘支持向量机数据分类预测1.Matlab实现ABC-LSSVM人工蜂群算法优化最小二乘支持向量机数据分类预测（完整源码和数据）,优化参数为,优化RBF 核函数gam和sig，运行环境为Matlab2018及以上。 2.多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换excel数据就可以用; 3.程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。 4.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

机器学习之心

分类预测 | Matlab基于GWO-RBF灰狼算法优化径向基神经网络的分类预测Matlab基于GWO-RBF灰狼算法优化径向基神经网络的分类预测。基于灰狼算法(GWO)优化径向基神经网络(GWO-RBF)的分类预测。 matlab代码，优化参数为扩散速度，采用交叉验证。多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。程序语言为matlab。程序可出分类效果图，迭代优化图，混淆矩阵图。

机器学习之心

分类预测 | Matlab实现KPCA-ISSA-LSSVM基于核主成分分析和改进的麻雀搜索算法优化最小二乘支持向量机故障诊断分类预测1.Matlab实现KPCA-ISSA-LSSVM基于核主成分分析和改进的麻雀搜索算法优化最小二乘支持向量机故障诊断分类预测，含LSSVM、 SSA-LSSVM、ISSA-LSSVM、 KPCA-ISSA-LSSVM四个模型的对比，目标函数使用5折交叉验证确定最佳参数。

随风飘摇的土木狗

【MATLAB第96期】基于MATLAB的SVM(线性)、SVM(高斯)、决策树、KNN等机器学习算法回归及分类Boost集成学习模型（含不同模型权重）文章使用Boost集成学习方法，对多个机器学习模型进行融合，并通过算法得到对应权重。因暂时精力有限，仅展示了测试集预测结果，以及有限的机器学习算法模型，包括不同核函数的支持向量机svm（linear、gaussian）、不同NumNeighbors值的K邻近KNN算法以及决策树算法。

随风飘摇的土木狗

【MATLAB第88期】基于MATLAB的6种神经网络（ANN、FFNN、CFNN、RNN、GRNN、PNN）多分类预测模型对比含交叉验证本文介绍六种类型的神经网络分类预测模型1.模型选择前馈神经网络 (FFNN)人工神经网络 (ANN)级联前向神经网络 (CFNN)

随风飘摇的土木狗

【MATLAB第87期】#源码分享 | 基于MATLAB的增量神经系统网络SFAM多输入单输出多分类预测模型SFAM是一种增量神经网络分类器。它是模糊ARTMAP（FAM）的一个简单而快速的版本。如果输入相同,FAM和SFAM的产出相同。

随风飘摇的土木狗

【MATLAB第86期】基于matlab的Catboost多输入单输出分类预测模型 catboost-1.1.1版本windows10 matlab2020a catboost版本：catboost-1.1.1 往期：【MATLAB第20期】基于matlab的Catboost多输入单输出回归预测模型 catboost-1.1.1版本

机器学习之心

分类预测 | Matlab实现OOA-CNN-SVM鱼鹰算法优化卷积支持向量机分类预测1.Matlab实现OOA-CNN-SVM鱼鹰算法优化卷积支持向量机分类预测（完整源码和数据) 2.优化参数为：学习率，批量处理大小，正则化参数。 3.图很多，包括分类效果图，混淆矩阵图。 4．附赠案例数据可直接运行main一键出图～注意程序和数据放在一个文件夹，运行环境为Matlab2020及以上。 5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 6.输入多个特征，分四类。

机器学习之心

分类预测 | Matlab实现SSA-ELM麻雀优化算法优化极限学习机分类预测1.MATLAB实现SSA-ELM麻雀优化算法优化极限学习机分类预测（Matlab完整源码和数据) 2.优化参数为权值和阈值; 3.直接替换数据即可使用，保证程序可正常运行。 4.程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。运行环境matlab2018b及以上。 5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

机器学习之心

分类预测 | MATLAB实现PCA-LSTM(主成分长短期记忆神经网络)分类预测MATLAB实现PCA-LSTM(主成分长短期记忆神经网络)分类预测。Matlab实现基于PCA-LSTM主成分分析-长短期记忆神经网络多输入分类预测（完整程序和数据）基于主成分分析-长短期记忆神经网络分类预测，PCA-LSTM分类预测，多输入分类预测（Matlab完整程序和数据）输入多个特征，可用于二分类及多分类模型，可视化展示分类准确率。运行环境Matlab2018及以上。

机器学习之心

分类预测 | MATLAB实现PCA-BiLSTM(主成分双向长短期记忆神经网络)分类预测分类预测 | MATLAB实现PCA-BiLSTM(主成分双向长短期记忆神经网络)分类预测（完整程序和数据）基于主成分分析-双向长短期记忆神经网络分类预测，PCA-BiLSTM分类预测，多输入分类预测（Matlab完整程序和数据）输入多个特征，可用于二分类及多分类模型，可视化展示分类准确率。运行环境Matlab2018及以上。

机器学习之心

分类预测 | MATLAB实现PCA-GRU(主成分门控循环单元)分类预测Matlab实现基于PCA-GRU主成分分析-门控循环单元多输入分类预测（完整程序和数据） Matlab实现基于PCA-GRU主成分分析-门控循环单元多输入分类预测（完整程序和数据）基于主成分分析-门控循环单元分类预测，PCA-GRU分类预测，多输入分类预测（Matlab完整程序和数据）输入多个特征，可用于二分类及多分类模型，可视化展示分类准确率。运行环境Matlab2020及以上。

随风飘摇的土木狗

【MATLAB第71期】基于MATLAB的Abcboost自适应决策树多输入单输出回归预测及多分类预测模型（更新中）CSDN后台私信回复“71期”即可获取下载方式。

随风飘摇的土木狗

【MATLAB第70期】基于MATLAB的LightGbm(LGBM)梯度增强决策树多输入单输出分类预测模型（全网首发，敬请期待）(LGBM)是一种基于梯度增强决策树(GBDT)算法。基于MATLAB的LightGbm即将研究测试上线。下一个研究对象： ABCBOOST模型

机器学习之心

分类预测 | MATLAB实现SSA-CNN-SVM基于麻雀算法优化卷积支持向量机分类预测MATLAB实现SSA-CNN-SVM基于麻雀算法优化卷积支持向量机分类预测，优化参数为：学习率，批量处理大小，正则化参数。图很多，包括分类效果图，迭代优化图，混淆矩阵图。

随风飘摇的土木狗

【MATLAB第58期】基于MATLAB的PCA-Kmeans、PCA-LVQ与BP神经网络分类预测模型对比基于UCI葡萄酒数据集进行葡萄酒分类及产地预测共包含178组样本数据，来源于三个葡萄酒产地，每组数据包含产地标签及13种化学元素含量，即已知类别标签。把样本集随机分为训练集和测试集（70%训练，30%测试），根据已有数据集训练一个能进行葡萄酒产地预测的模型，以正确区分三个产地所产出的葡萄酒，分别采用PCA+Kmeans、PCA+LVQ、BP神经网络等方法进行模型的训练与测试，准确率都能达到95%左右。

随风飘摇的土木狗

【MATLAB第56期】#源码分享 | 基于MATLAB的机器学习算法单输入多输出分类预测模型思路（回归改分类）针对单输入多输出分类预测，可采用回归的方式进行预测。本文采用BP神经网络进行演示。