遗传算法(GA)优化极限梯度提升树XGBoost回归预测,GA | 您所在的位置:网站首页 › 振华550w带3070 › 遗传算法(GA)优化极限梯度提升树XGBoost回归预测,GA |
%% 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 %% 数据替换 % 将你的excel数据导入matlab,然后将输入数据换成X变量,输出预测数据换成Y变量。 % X为你的输入变量 % Y为你的输出预测变量 % 训练集——190个样本 P_train = xlsread('data','training set','B2:G191')'; T_train= xlsread('data','training set','H2:H191')'; % 测试集——44个样本 P_test=xlsread('data','test set','B2:G45')'; T_test=xlsread('data','test set','H2:H45')'; N = size(P_test, 2); % 测试集样本数 M = size(P_train, 2); % 训练集样本数 %% 导入数据(不打乱数据) % 训练集— % P_train= X((1:60),:)';%冒号代表取出来是整行或者整列,'代表转置 % P_test = X((61:end),:)'; % M = size(P_train,2); % % 测试集— % T_train= Y((1:60),:)';% 60代表划分给测试集的样本数 % T_test = Y((61:end),:)'; % N = size(T_test,2); %% 数据归一化 [p_train, ps_input] = mapminmax(P_train, -1, 1);%将训练集和测试集的数据调整到0到1之间 p_test = mapminmax('apply', P_test, ps_input); [t_train, ps_output] = mapminmax(T_train, -1, 1);% 对测试集数据做归一化 t_test = mapminmax('apply', T_test, ps_output); %% 数据转置 为适应模型的建立 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 = [10, 10, 0.01]; % 优化参数目标下限(最大迭代次数,深度,学习率) ub = [200, 20, 1]; % 优化参数目标上限(最大迭代次数,深度,学率I 智能算法及其模型预测 |
CopyRight 2018-2019 实验室设备网 版权所有 |