gru-adaboost

机器学习之心9 个月前
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
机器学习之心1 年前
adaboost·gru·门控循环单元·多输入分类预测·gru-adaboost
分类预测 | MATLAB实现基于GRU-AdaBoost门控循环单元结合AdaBoost多输入分类预测1.MATLAB实现基于GRU-AdaBoost门控循环单元结合AdaBoost多输入分类预测； 2.运行环境为Matlab2020b； 3.输入多个特征，分四类，多特征分类预测； 4.data为数据集，excel数据，前12列输入，最后1列输出四类标签，运行主程序即可,所有文件放在一个文件夹。
机器学习之心1 年前
adaboost·gru·多变量时间序列预测·gru-adaboost
多维时序 | Matlab实现GRU-Adaboost和GRU多变量时间序列预测对比多维时序 | Matlab实现GRU-Adaboost和GRU多变量时间序列预测对比Matlab实现GRU-Adaboost和GRU多变量时间序列预测对比（完整程序和数据） 1.输入多个特征，输出单个变量； 2.考虑历史特征的影响，多变量时间序列预测； 4.csv数据，方便替换； 5.运行环境Matlab2018b及以上； 6.输出误差对比图。