- 博客(13)
- 收藏
- 关注
RSS订阅
1原创 利用matlab实现贝叶斯优化算法（BO）优化支持向量机回归(SVR)的超参数
optimizableVariable('BoxConstraint', [0.1, 1000], 'Transform', 'log') % 正则化参数C（对数采样）optimizableVariable('Epsilon', [0.01, 1], 'Transform', 'none') % 容忍带宽optimizableVariable('KernelScale', [0.01, 100], 'Transform', 'log') % 核函数尺度gamma（对数采样）▶️。
2025-03-15 11:16:50
1017
原创 【MATLAB实战】实现白鲸算法（BWO）优化BP神经网络：提升模型性能的新思路
在机器学习领域，BP神经网络因其强大的非线性拟合能力被广泛应用，但其固有的缺陷——依赖初始权重、易陷入局部最优、收敛速度不稳定——常常让开发者头疼。，结合Matlab工具，用它来优化BP神经网络的权重和阈值参数，轻松突破传统BP的瓶颈。title(sprintf('BWO优化进度 (Iter:%d, Fitness:%.4f)', iter, globalBestFit));：在相同数据集下，BWO-BP的预测误差通常比传统BP降低30%~50%，且训练时间缩短。% 社交阶段：向全局最优移动。
2025-03-12 14:39:40
970
原创 【MATLAB教程】用金豺优化算法（GJO）优化BP神经网络的权重和阈值，提升模型性能！
大家在训练BP神经网络时，有没有遇到过训练速度慢、容易陷入局部最优的问题？传统的梯度下降法对初始权重和阈值太敏感，今天给大家介绍一个2022年提出的，用它优化BP神经网络的初始参数，亲测有效！文末附完整MATLAB代码~
2025-03-12 13:31:55
782
原创 利用matlab实现决策树（DT）回归，保姆级教程
✅ 可视化强，解释性高✅ 无需特征标准化✅ 自动处理缺失值（MATLAB内置功能）运行后会弹出树形图，清晰看到每个节点的分裂条件和预测值！
2025-03-11 13:34:41
489
原创 利用matlab实现lasso算法回归预测，3分钟搞懂Lasso回归：自带特征选择的机器学习神器
假设你要买5种菜做晚餐，但预算只有50元。你会在有限的预算下优先购买重要的食材，而放弃部分不必要的配料。：在建立模型时，它会自动筛选出重要特征（保留关键食材），同时舍弃冗余特征（剔除不重要的配料）。关键差异点：相比普通线性回归无脑使用所有特征，Lasso回归自带「特征筛选」buff，有效解决多重共线性问题！
2025-03-11 10:39:41
817
原创 麻雀优化算法（SSA）优化 BP 神经网络：解决非线性复杂问题的利器！（matlab实现）
在机器学习领域，神经网络是一种强大的工具，能够解决复杂的数据拟合问题。麻雀优化算法优化 BP 神经网络的基本思想是将 BP 神经网络的参数视为待优化的变量，通过麻雀优化算法在解空间中搜索最优参数组合，从而提高神经网络的预测精度和泛化能力。legend('实际输出', '预测输出', 'Location', 'northwest', 'FontSize', 11);legend('实际输出', '预测输出', 'Location', 'northwest', 'FontSize', 11);
2025-02-23 20:10:26
1096
原创 遗传算法（GA）优化 BP 神经网络：智能优化助力神经网络性能提升（matlab实现）
然而，神经网络的性能往往受到其参数设置的影响，如学习率、权重初始化、网络结构等。BP（Back Propagation）神经网络是一种多层前馈神经网络，通过误差反向传播算法来调整网络的权重和偏置，以最小化输出误差。GA 优化 BP 神经网络的基本思路是将神经网络的参数（如权重和偏置）编码为遗传算法的个体，通过遗传算法的进化过程来搜索最优的参数组合。fprintf('训练集R方 : %.4f\n', R2_train);：将 BP 神经网络的权重和偏置参数进行编码，形成遗传算法的个体。
2025-02-23 19:56:26
1051
原创 利用matlab实现梯度提升决策树（GBDT）回归预测
legend('实际输出', '预测输出', 'Location', 'northwest', 'FontSize', 11);legend('实际输出', '预测输出', 'Location', 'northwest', 'FontSize', 11);legend('预测值', '理想线', 'Location', 'northeastoutside', 'FontSize', 12);
2025-02-15 17:03:33
1360
原创 利用matlab实现高斯过程回归（GPR）（附matlab代码）
在机器学习领域，回归分析是一个重要的任务，用于预测连续的输出值。legend('实际输出', '预测输出', 'Location', 'northwest', 'FontSize', 11);legend('实际输出', '预测输出', 'Location', 'northwest', 'FontSize', 11);title(['测试集 R² = ', num2str(R2_test)], 'FontSize', 14, 'FontWeight', 'bold');% 实际输出，绿色线，圆圈标记。
2025-02-14 16:30:05
940
原创 利用matlab实现支持向量机回归（SVR）预测
支持向量机回归（Support Vector Regression, SVR）作为一种基于统计学习理论的回归方法，因其在处理小样本、非线性及高维数据方面的优势，成为研究者们关注的焦点。网格搜索通过遍历参数的可能取值组合，结合交叉验证来评估模型的性能，从而选择最优的参数组合。SVM的核心思想是在特征空间中寻找一个最优超平面，使得不同类别的样本点之间的间隔最大化。SVR的目标是在保证预测误差在一定范围内的情况下，寻找一个最优的回归函数。
2025-01-07 09:13:45
1958
原创 通过粒子群优化算法（PSO）优化BP神经网络（matlab代码）
在PSO算法中，每个粒子代表一个潜在的解，粒子在解空间中飞行，通过跟踪个体极值和全局极值来更新自己的速度和位置。BP神经网络的学习过程主要通过反向传播算法实现，即通过计算网络输出与期望输出之间的误差，然后将误差反向传播到网络的每一层，调整权重和偏置，使网络的输出尽可能接近期望输出。在粒子群优化BP神经网络中，每个粒子代表一个权重和偏置的组合。粒子的位置即为网络的权重和偏置，速度则表示粒子在解空间中的移动方向和速度。在粒子群优化过程中，每次迭代后，将粒子的位置作为网络的权重和偏置，进行BP神经网络的训练。
2025-01-06 19:16:26
1763
原创 通过早停法避免BP神经网络训练过拟合（matlab代码）
早停法是一种防止模型过拟合的技术，它通过监控验证集上的性能来决定何时停止训练。基本思想是在每个训练周期（epoch）结束后，评估模型在验证集上的性能。如果性能在连续多个周期内没有显著提升，或者开始下降，就认为模型已经开始过拟合，此时应该停止训练。由于验证集可以看作是训练集中的一部分，因此本篇文章省去了验证集，直接监控测试集来实现早停法。
2024-12-27 18:52:32
1318
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人