自适应带宽核密度估计

机器学习之心17 天前
算法·matlab·回归·abkde·自适应带宽核密度估计·pso-lightgbm·粒子群算法优化轻量级梯度提升机
PSO-LightGBM-ABKDE粒子群算法优化轻量级梯度提升机自适应带宽核密度估计多变量回归区间预测Matlab实现MATLAB 代码实现了一个基于 粒子群优化（PSO） 的 LightGBM 回归预测模型，并结合 核密度估计（KDE） 进行概率性区间预测。
机器学习之心20 天前
蜣螂算法优化·abkde·自适应带宽核密度估计·dbo-lightgbm·轻量级梯度提升机
DBO-LightGBM-ABKDE蜣螂算法优化轻量级梯度提升机自适应带宽核密度估计多变量回归区间预测Matlab实现在工程、金融、能源等领域，回归预测 是常见的任务。 但仅输出点预测值往往不足以反映不确定性，因此需要 概率预测（如置信区间）来量化预测风险。 LightGBM 作为一种高效梯度提升树模型，适合处理大规模数据； 而 蜣螂优化算法 用于自动搜索模型超参数，避免人工调参的繁琐。 该代码在此基础上增加了 核密度估计 方法，构建多置信度的预测区间，并提供多种评估指标。
机器学习之心2 年前
卷积神经网络·自适应带宽核密度估计·多变量回归区间预测·cnn-abkde
区间预测 | Matlab实现CNN-ABKDE卷积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CNN-ABKDE卷积神经网络自适应带宽核密度估计多变量回归区间预测（完整源码和数据）
机器学习之心2 年前
bp神经网络·自适应带宽核密度估计·多变量回归区间预测·bp-abkde
区间预测 | Matlab实现BP-ABKDE的BP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BP-ABKDE的BP神经网络自适应带宽核密度估计多变量回归区间预测（完整源码和数据）
机器学习之心2 年前
自适应带宽核密度估计·多变量回归区间预测·gru-abkde·多置信区间
区间预测 | Matlab实现GRU-ABKDE门控循环单元自适应带宽核密度估计多变量回归区间预测1.Matlab实现GRU-ABKDE门控循环单元自适应带宽核密度估计多变量回归区间预测（完整源码和数据）
机器学习之心2 年前
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·lstm-abkde
区间预测 | Matlab实现LSTM-ABKDE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-ABKDE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）
机器学习之心2 年前
bilstm-adaboost·abkde·自适应带宽核密度估计·多变量回归区间预测·集成双向长短期记忆网络
区间预测 | Matlab实现BiLSTM-Adaboost-ABKDE的集成双向长短期记忆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BiLSTM-Adaboost-ABKDE的集成学习双向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.BiLSTM-Adaboost-ABKDE的集成学习双向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
机器学习之心2 年前
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2 年前
gru-adaboost·abkde·自适应带宽核密度估计·多变量回归区间预测·集成门控循环单元
区间预测 | Matlab实现GRU-Adaboost-ABKDE的集成门控循环单元自适应带宽核密度估计多变量回归区间预测1.Matlab实现GRU-Adaboost-ABKDE的集成门控循环单元自适应带宽核密度估计多变量回归区间预测（完整源码和数据） 2.GRU-Adaboost-ABKDE的集成门控循环单元自适应带宽核密度估计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、区间平均宽度百分比pinaw等。 4.算法新颖，对
我是有底线的