麻雀算法优化

机器学习之心

回归预测 | Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多输入单输出回归预测1.Matlab基于SSA-SVR麻雀算法优化支持向量机的数据多输入单输出回归预测（完整源码和数据） 2.SSA选择最佳的SVM核函数参数c和g; 3.多特征输入单输出的回归预测。程序内注释详细，excel数据，直接替换数据就可以用。 4.程序语言为matlab，程序可出预测效果图，迭代优化图，相关分析图，运行环境matlab2020b及以上。评价指标包括:R2、RPD、MSE、RMSE、MAE、MAPE等。 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

多输入多输出 | Matlab实现SSA-CNN麻雀算法优化卷积神经网络多输入多输出预测Matlab实现SSA-CNN麻雀算法优化卷积神经网络多输入多输出预测（完整源码和数据） 1.data为数据集，输入10个特征，输出3个变量。 2.main.m为程序主文件，其他为函数文件无需运行。 3.命令窗口输出MBE、MAE、RMSE、R^2和MAPE，可在下载区获取数据和程序内容。 4.粒子群优化参数为学习率、批处理样本大小和、正则化参数。注意程序和数据放在一个文件夹，运行环境为Matlab2018及以上。

机器学习之心

时序预测 | Matlab实现SSA-CNN-LSTM麻雀算法优化卷积长短期记忆神经网络时间序列预测MATLAB实现SSA-CNN-LSTM麻雀算法优化卷积长短期记忆神经网络时间序列预测（完整源码和数据) 1.MATLAB实现SSA-CNN-LSTM麻雀算法优化卷积长短期记忆神经网络时间序列预测（完整源码和数据) 2.输入输出单个变量，时间序列预测预测； 3.多指标评价，评价指标包括：R2、MAE、MSE、RMSE等，代码质量极高； 4.麻雀算法优化参数为：学习率，隐含层节点，正则化参数； 5.excel数据，方便替换，运行环境2020及以上。

机器学习之心

时序预测 | Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测（完整源码和数据) 1.Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测（完整源码和数据) 2.输入输出单个变量，时间序列预测预测； 3.多指标评价，评价指标包括：R2、MAE、MSE、RMSE等，代码质量极高； 4.麻雀算法优化参数为：学习率，隐含层节点，正则化参数； 5.excel数据，方便替换，运行环境2020及以上。

机器学习之心

多维时序 | MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多变量时间序列预测1.MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多变量时间序列预测（完整源码和数据） 2.麻雀算法优化参数为隐含层节点数，最大训练次数，初始学习率参数。 3.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

时序预测 | Matlab实现SSA-CNN-BiLSTM麻雀算法优化卷积双向长短期记忆神经网络时间序列预测MATLAB实现SSA-CNN-BiLSTM麻雀算法优化卷积双向长短期记忆神经网络时间序列预测（完整源码和数据) 1.MATLAB实现SSA-CNN-BiLSTM麻雀算法优化卷积双向长短期记忆神经网络时间序列预测（完整源码和数据) 2.输入输出单个变量，时间序列预测预测； 3.多指标评价，评价指标包括：R2、MAE、MSE、RMSE等，代码质量极高； 4.麻雀算法优化参数为：学习率，隐含层节点，正则化参数； 5.excel数据，方便替换，运行环境2020及以上。

机器学习之心

多维时序 | MATLAB实现SSA-CNN-SVM麻雀算法优化卷积神经网络-支持向量机多变量时间序列预测多维时序 | MATLAB实现SSA-CNN-SVM麻雀算法优化卷积神经网络-支持向量机多变量时间序列预测。

机器学习之心

回归预测 | Matlab实现SSA-CNN-SVM麻雀算法优化卷积神经网络-支持向量机的多输入单输出回归预测1.SSA-CNN-SVM麻雀算法优化卷积神经网络-支持向量机的多变量回归预测可直接运行Matlab; 2.评价指标包括: R2、MAE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。要求2021版本及以上。 3.麻雀算法SSA优化的参数为:CNN的批处理大小、学习率、正则化系数，能够避免人工选取参数的盲目性，有效提高其预测精度。 4.main.m为主程序，其他为函数文件，无需运行，data为数据，多输入单输出，数据回归预测，输入7个特征，输出1个变量，直接替换Excel数据即可用!注释清晰，

机器学习之心

分类预测 | MATLAB实现SSA-CNN-BiGRU麻雀算法优化卷积双向门控循环单元数据分类预测1.MATLAB实现SSA-CNN-BiGRU麻雀算法优化卷积双向门控循环单元数据分类预测，运行环境Matlab2021b及以上； 2.基于麻雀优化算法（SSA）、卷积神经网络（CNN）和双向门控循环单元（BiGRU）的数据分类预测程序； 3.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；SSA优化算法优化学习率，隐藏层节点，正则化系数，这3个关键参数。程序语言为matlab，程序可出分类效果图，混淆矩阵图。 4.data为数据集，输入12个特征，分四类；main为主程序，

机器学习之心

分类预测 | MATLAB实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元数据分类预测1.MATLAB实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元数据分类预测，运行环境Matlab2021b及以上； 2.基于麻雀优化算法（SSA）、卷积神经网络（CNN）和门控循环单元（GRU）的数据分类预测程序； 3.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；SSA优化算法优化学习率，隐藏层节点，正则化系数，这3个关键参数。程序语言为matlab，程序可出分类效果图，混淆矩阵图。 4.data为数据集，输入12个特征，分四类；main为主程序，其余为函数文件，

机器学习之心

分类预测 | MATLAB实现SSA-CNN-BiLSTM麻雀算法优化卷积双向长短期记忆神经网络数据分类预测1.MATLAB实现SSA-CNN-BiLSTM数据分类预测，运行环境Matlab2021b及以上； 2.基于麻雀优化算法（SSA）、卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的数据分类预测程序； 3.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；SSA优化算法优化学习率、正则化系数、神经元个数，这3个关键参数。程序语言为matlab，程序可出分类效果图，混淆矩阵图。 4.data为数据集，输入12个特征，分四类；main为主程序，其余为函数文件，无需运行。

机器学习之心

分类预测 | MATLAB实现SSA-CNN-LSTM麻雀算法优化卷积长短期记忆神经网络数据分类预测1.MATLAB实现SSA-CNN-LSTM数据分类预测，运行环境Matlab2021b及以上； 2.基于麻雀优化算法（SSA）、卷积神经网络（CNN）和长短期记忆网络（LSTM）的数据分类预测程序； 3.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；SSA优化算法优化学习率、卷积核大小、神经元个数，这3个关键参数，以测试集精度最高为目标函数程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图； 4.data为数据集，输入12个特征，分四类；main为主程序，

机器学习之心

分类预测 | Matlab实现SSA-CNN-SVM麻雀算法优化卷积支持向量机分类预测1.Matlab实现SSA-CNN-SVM麻雀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

时序预测 | MATLAB实现SSA-XGBoost(麻雀算法优化极限梯度提升树)时间序列预测Matlab实现SSA-XGBoost时间序列预测，麻雀算法优化极限梯度提升树，优化最大迭代次数，深度，学习率； 1.data为数据集，单变量时间序列数据集。 2.MainSSAXGBoostTS.m为主程序文件，其他为函数文件，无需运行; 3.评价指标R2、MAE、MAPE、MSE、MBE； 4.注意程序和数据放在一个文件夹，文件夹不可以XGBoost命名，因为有函数已经用过，运行环境为Matlab2018及以上。