gsa

随风飘摇的土木狗

【MATLAB第116期】基于MATLAB的NBRO-XGBoost的SHAP可解释回归模型（敏感性分析方法）该文章实现了一个可解释的回归模型，使用NBRO-XGBoost（方法可以替换，但是需要有一定的编程基础）来预测特征输出。该模型利用七个变量参数作为输入特征进行训练。为了提高可解释性，应用了SHapley Additive exPlanations（SHAP），去深入了解每个参数对模型预测的贡献。

随风飘摇的土木狗

【MATLAB第114期】基于MATLAB的SHAP可解释神经网络分类模型（敏感性分析方法）该文章实现了一个可解释的神经网络分类模型，使用BP神经网络（BPNN）来预测特征输出。该模型利用12个变量参数作为输入特征进行训练。为了提高可解释性，应用了SHapley Additive exPlanations（SHAP），去深入了解每个参数对模型预测的贡献。

随风飘摇的土木狗

【MATLAB第107期】基于MATLAB的Morris全局敏感性分析模型（无目标函数）1.基本原理： Morris方法采用概率均匀抽样的方式估计每个模型输入因子在输出结果中的重要性，通过比较系统在不同输入参数值上的输出结果变化来度量每个参数的敏感性。

随风飘摇的土木狗

【MATLAB第64期】基于MATLAB的无目标函数SOBOL等全局敏感性分析法模型合集(SOBOL,PAWN,GSA,GSUA,GSAT等) 【更新中】在前面几期，介绍了局部敏感性分析法，本期来介绍全局敏感性分析模型，因还在摸索中，所以更新较慢，敬请期待。【MATLAB第31期】基于MATLAB的降维/全局敏感性分析/特征排序/数据处理回归问题MATLAB代码实现(持续更新) 【MATLAB第32期】【更新中】基于MATLAB的降维/全局敏感性分析/特征排序/数据处理分类问题MATLAB代码实现【MATLAB第63期】基于MATLAB的改进敏感性分析方法IPCC，拥挤距离与皮尔逊系数法结合实现回归与分类预测