如何选择深圳网站建设,网站优化排名首页,海口网站运营托管咨询,做外汇消息面的网站分类预测 | Matlab实现GA-XGBoost遗传算法优化XGBoost的多特征分类预测 目录 分类预测 | Matlab实现GA-XGBoost遗传算法优化XGBoost的多特征分类预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 Matlab实现GA-XGBoost遗传算法优化XGBoost的多特征分类预测#xff0c;…分类预测 | Matlab实现GA-XGBoost遗传算法优化XGBoost的多特征分类预测 目录 分类预测 | Matlab实现GA-XGBoost遗传算法优化XGBoost的多特征分类预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 Matlab实现GA-XGBoost遗传算法优化XGBoost的多特征分类预测输入多个特征分四类。 XGBoost的核心算法思想基本就是不断地添加树不断地进行特征分裂来生长一棵树每次添加一个树其实是学习一个新函数f(x)去拟合上次预测的残差。当我们训练完成得到k棵树我们要预测一个样本的分数其实就是根据这个样本的特征在每棵树中会落到对应的一个叶子节点每个叶子节点就对应一个分数。最后只需要将每棵树对应的分数加起来就是该样本的预测值。 程序设计
完整程序和数据下载Matlab实现GA-XGBoost遗传算法优化XGBoost的多特征分类预测
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行%% 读取数据
res xlsread(data.xlsx);%% 分析数据
num_class length(unique(res(:, end))); % 类别数Excel最后一列放类别
num_res size(res, 1); % 样本数每一行是一个样本
num_size 0.7; % 训练集占数据集的比例
res res(randperm(num_res), :); % 打乱数据集不打乱数据时注释该行
flag_conusion 1; % 标志位为1打开混淆矩阵要求2018版本及以上%% 设置变量存储数据
P_train []; P_test [];
T_train []; T_test [];%% 划分数据集
for i 1 : num_classmid_res res((res(:, end) i), :); % 循环取出不同类别的样本mid_size size(mid_res, 1); % 得到不同类别样本个数mid_tiran round(num_size * mid_size); % 得到该类别的训练样本个数P_train [P_train; mid_res(1: mid_tiran, 1: end - 1)]; % 训练集输入T_train [T_train; mid_res(1: mid_tiran, end)]; % 训练集输出P_test [P_test; mid_res(mid_tiran 1: end, 1: end - 1)]; % 测试集输入T_test [T_test; mid_res(mid_tiran 1: end, end)]; % 测试集输出
end%% 数据转置
P_train P_train; P_test P_test;
T_train T_train; T_test T_test;%% 得到训练集和测试样本个数
M size(P_train, 2);
N size(P_test , 2);%% 数据归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input);t_train T_train;
t_test T_test;%% 数据转置
p_train p_train; p_test p_test;
t_train t_train; t_test t_test;%% 参数设置
fun getObjValue; % 目标函数
dim 3; % 优化参数个数
lb [001, 001, 0.01]; % 优化参数目标下限最大迭代次数深度学习率
ub [ 50, 012, 0.1]; % 优化参数目标上限最大迭代次数深度学习率参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm1001.2014.3001.5502
