技术栈
shap分析
机器学习之心
7 天前
支持向量机
·
matlab
·
回归
·
shap分析
·
新数据预测
·
ga-svr
·
遗传算法优化支持向量机回归
GA-SVR遗传算法优化支持向量机回归+SHAP分析+新数据预测，MATLAB代码
基于遗传算法（GA）优化支持向量回归（SVR）参数的完整回归预测与模型解释流程，并结合SHAP（Shapley Additive Explanations）方法对模型进行可解释性分析。以下从八个方面进行简述：
机器学习之心
8 天前
深度学习
·
cnn
·
gru
·
shap分析
·
doa-cnn-gru
DOA-CNN-GRU分类预测+SHAP分析+特征依赖图！深度学习可解释分析，Matlab代码实现
该MATLAB代码实现了一个基于梦境优化算法（DOA）优化的CNN-GRU神经网络分类模型，并结合SHAP进行可解释性分析。
机器学习之心
8 天前
shap分析
·
nrbo-svr
·
牛顿-拉夫逊优化算法
·
优化支持向量机回归
NRBO-SVR牛顿-拉夫逊优化算法优化支持向量机回归+SHAP分析+新数据预测，MATLAB代码
支持向量回归（SVR）是一种有效的非线性回归工具，但其预测性能高度依赖于惩罚参数 c 和核函数参数 g 的取值。传统参数选择方法（如网格搜索、经验调参）效率低且易陷入局部最优。为此，引入智能优化算法自动寻优成为研究热点。本代码采用牛顿-拉夫逊优化算法（NRBO） 对SVR参数进行优化，旨在提升回归模型的精度与泛化能力。
机器学习之心
9 天前
算法
·
shap分析
·
新数据预测
·
优化svr支持向量机回归
198种组合算法+优化SVR支持向量机回归+SHAP分析+新数据预测！机器学习可解释分析，强烈安利，粉丝必备！
198种组合算法+优化SVR支持向量机回归+SHAP分析+新数据预测！机器学习可解释分析，强烈安利，粉丝必备！基于灰狼优化算法（GWO） 优化支持向量回归（SVR） 的 MATLAB 代码，主要目的是对比优化前后的 SVR 模型在回归预测任务中的性能表现。以下是对该代码的详细解读：
机器学习之心
1 个月前
深度学习
·
回归
·
transformer
·
shap分析
TCN-Transformer-BiGRU组合模型回归+SHAP分析+新数据预测+多输出！深度学习可解释分析
MATLAB代码实现了一个TCN-Transformer-BiGRU 混合深度学习模型，用于多输入多输出回归预测任务，并集成了模型解释与可视化功能。
机器学习之心
2 个月前
深度学习
·
lstm
·
transformer
·
shap分析
·
tcn-transformer
TCN-Transformer-LSTM组合模型回归+SHAP分析+新数据预测+多输出！深度学习可解释分析MATLAB代码
Attention(Q,K,V)=softmax(QKTdk)V \text{Attention}(Q,K,V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V Attention(Q,K,V)=softmax(dk QKT)V
机器学习之心
2 个月前
深度学习
·
回归
·
transformer
·
shap分析
·
新数据预测
TCN-Transformer-BiLSTM组合模型回归+SHAP分析+新数据预测+多输出！深度学习可解释分析MATLAB代码
TCN： y t = ∑ k = 1 K w k ⋅ x t − d ⋅ k y_t = \sum_{k=1}^{K} w_k \cdot x_{t-d\cdot k} yt=k=1∑Kwk⋅xt−d⋅k 其中 d d d为膨胀因子， K K K 为卷积核大小。
机器学习之心
2 个月前
深度学习
·
回归
·
transformer
·
shap分析
GA-TCN-Transformer组合模型回归+SHAP分析+新数据预测+多输出！深度学习可解释分析MATLAB代码
该代码面向回归预测任务，结合了TCN（时间卷积网络） 与 Transformer 的优势，并引入遗传算法（GA） 进行超参数优化，旨在提升模型在复杂数据中的预测精度与泛化能力。
机器学习之心
2 个月前
深度学习
·
回归
·
transformer
·
shap分析
SSA-TCN-Transformer组合模型回归+SHAP分析+新数据预测+多输出！深度学习可解释分析
该研究旨在将时序卷积网络与Transformer注意力机制相结合，构建一个适用于多输入多输出回归任务的深度学习模型。通过引入智能优化算法（如SSA麻雀搜索算法）对模型超参数进行自动调优，提升模型的预测精度和泛化能力，适用于时序预测、回归分析等领域。
机器学习之心
2 个月前
深度学习
·
算法
·
transformer
·
shap分析
·
新数据预测
198种组合算法+优化TCN-Transformer+SHAP分析+新数据预测+多输出！深度学习可解释分析，强烈安利，粉丝必备！
TCN：使用因果卷积与膨胀卷积，数学形式为：yt=∑k=1Kwk⋅xt−d⋅k y_t = \sum_{k=1}^{K} w_k \cdot x_{t - d \cdot k} yt=k=1∑Kwk⋅xt−d⋅k 其中 (d) 为膨胀因子。
机器学习之心
3 个月前
随机森林
·
ga-rf
·
shap分析
GA-RF遗传算法优化随机森林回归+SHAP分析+优化前后对比+新数据预测，MATLAB代码
MATLAB代码是一个基于GA（遗传算法）优化随机森林（Random Forest） 的回归预测+SHAP分析+优化前后对比+新数据预测。遗传算法(GA)属于群智能算法的一种。遗传算法是受自然进化理论启发的一系列搜索算法。通过模仿自然选择和繁殖的过程，遗传算法可以为涉及搜索，优化和学习的各种问题提供高质量的解决方案。同时，它们类似于自然进化，因此可以克服传统搜索和优化算法遇到的一些障碍，尤其是对于具有大量参数和复杂数学表示形式的问题。
机器学习之心
3 个月前
随机森林
·
回归
·
shap分析
·
ssa-rf
SSA-RF麻雀算法优化随机森林回归+SHAP分析+优化前后对比+新数据预测，MATLAB代码
MATLAB代码是一个基于SSA（麻雀搜索算法）优化随机森林（Random Forest） 的回归预测+SHAP分析+优化前后对比+新数据预测：
机器学习之心
3 个月前
shap分析
·
新数据预测
·
多输出
·
tcn-lstm回归
TCN-LSTM回归+特征贡献SHAP分析+新数据预测+多输出，MATLAB代码
MATLAB代码实现了一个TCN-LSTM混合神经网络模型，用于多输出回归预测任务，并集成了SHAP特征重要性分析和新数据预测功能。以下是详细分析：
机器学习之心
4 个月前
深度学习
·
算法
·
shap分析
·
tcn时间卷积神经网络
198种组合算法+优化TCN时间卷积神经网络+SHAP分析+新数据预测+多输出！深度学习可解释分析，强烈安利，粉丝必备！
主要功能9种映射方法，种群初始值选择,改进智能算法 label=1 对应 tent 映射 label=2 对应 chebyshev 映射 label=3 对应 singer 映射 label=4 对应 logistic 映射 label=5 对应 sine 映射 label=6 对应 circle 映射 label=7 对应 立方映射 label=8 对应 Hénon 映射 label=9 对应广义Logistic映射
机器学习之心
4 个月前
算法
·
lstm
·
pso-lstm
·
shap分析
经典粒子群优化算法PSO-LSTM回归+SHAP分析+多输出+新数据预测！Matlab代码实现
经典粒子群优化算法PSO-LSTM回归+SHAP分析+多输出+新数据预测！Matlab代码实现，主要用于多输入多输出的回归预测任务。以下是详细分析：
机器学习之心
5 个月前
算法
·
随机森林
·
机器学习
·
shap分析
·
198种组合算法
198种组合算法+优化RF随机森林+SHAP分析+新数据预测！机器学习可解释分析，强烈安利，粉丝必备！
198种组合算法+优化RF随机森林+SHAP分析+新数据预测！机器学习可解释分析，强烈安利，粉丝必备！！主要功如下：
机器学习之心
5 个月前
深度学习
·
shap分析
·
优化cnn卷积神经网络
198种组合算法+优化CNN卷积神经网络+SHAP分析+新数据预测+多输出！深度学习可解释分析，强烈安利，粉丝必备！
198种组合算法+优化CNN神经网络+SHAP分析+新数据预测+多输出！深度学习可解释分析，强烈安利，粉丝必备！
机器学习之心
6 个月前
深度学习
·
算法
·
shap分析
·
新数据预测
·
优化bigru
198种组合算法+优化BiGRU双向门控循环单元+SHAP分析+新数据预测+多输出！深度学习可解释分析，强烈安利，粉丝必备！
198种组合算法+优化BiGRU门控循环单元+SHAP分析+新数据预测+多输出！深度学习可解释分析，强烈安利，粉丝必备！
机器学习之心
6 个月前
深度学习
·
神经网络
·
shap分析
·
新数据预测
·
198种组合算法
·
优化bilstm神经网络
·
多输出
198种组合算法+优化BiLSTM神经网络+SHAP分析+新数据预测+多输出！深度学习可解释分析，强烈安利，粉丝必备！
198种组合算法+优化LSTM神经网络+SHAP分析+新数据预测+多输出！深度学习可解释分析，强烈安利，粉丝必备！
机器学习之心
10 个月前
shap分析
·
贝叶斯优化bp神经网络
·
新数据预测
SHAP分析+贝叶斯优化BP神经网络+新数据预测+K折交叉验证+相关性分析+孤立森林异常值处理，Matlab代码实现，作者：机器学习之心！
该代码实现了一个完整的BP神经网络回归预测分析流程，主要功能包括：数据预处理：处理缺失值（样条插值）、检测并剔除异常值（箱线图 + 孤立森林）。