- 博客(14)
- 收藏
- 关注
RSS订阅原创 package ‘elmNN’ is not available for this version of R
当你在 R 中遇到 “package ‘elmNN’ is not available for this version of R” 的错误，这通常意味着你当前使用的 R 版本与elmNN包不兼容，即该包没有为你当前的 R 版本编译的可用版本。
2025-02-13 16:19:39
207
原创 XGBoost-预测
XGBoost是一种基于提升树算法的机器学习模型。提升树是一种集成学习方法，通过将多个弱学习器（通常是决策树）组合起来构建一个更强大的模型。XGBoost采用梯度提升的方法训练提升树模型。梯度提升是一种基于梯度下降的优化算法，通过最小化损失函数的梯度来更新模型参数，从而使模型在每一轮迭代中逐步逼近最优解。
2024-04-01 16:24:43
1591
原创 xgboost回归预测
这是XGBoost算法的R语言接口包，提供了完整的XGBoost功能，并且是XGBoost的官方包。：mlr3包是一个用于机器学习的通用框架，可以用于XGBoost回归模型的训练和评估。：tidymodels是一个用于统一建模的框架，它包括了多个建模和评估工具，其中包括了xgboost的接口。: 用于评估模型性能的指标，如 "rmse"（均方根误差）和 "mae"（平均绝对误差）。: 用于评估模型性能的指标，如 "rmse"（均方根误差）和 "mae"（平均绝对误差）。较大的值可以使模型更加保守。
2024-04-01 16:15:16
2755
原创 Cubist回归预测
Cubist 模型相对于其他复杂的机器学习模型（如神经网络或支持向量机）具有较高的解释性。由于其基于树模型和分段线性模型，可以很容易地理解模型对于输入变量的影响以及不同区域的预测规则。回归树是一种树状结构，用于将输入空间划分为不同的区域，并在每个区域中拟合一个简单的线性模型。：用于控制生成的分段线性模型的数量。规则的数量影响了模型的复杂度和解释性。：用于指定要创建的回归树的数量。每个委员会会产生一个回归树，最后的预测结果是所有树的平均值。：用于限制回归树的最大深度。这有助于控制模型的复杂度和过拟合的风险。
2024-04-01 13:28:34
1414
原创 RF-10 cross-validation
setwd("C:/Users/DELL/Desktop/R及R代码/SuperLearner-master")# 在建模集上进行预测并计算R2。# 初始化变量来存储交叉验证的结果。# 计算平均RMSE、R2和RPD。# 打印平均RMSE、R2和RPD。# 划分数据集为训练集和测试集。# 将结果存储在结果矩阵中。# 创建训练集和测试集。# 在测试集上进行预测。# 导入数据,准备数据集。# 创建交叉验证的索引。# 设置交叉验证参数。#进行10折交叉验证。# 绘制变量重要性图。
2024-04-01 11:57:12
129
原创 R语言包应用
与mcga包不同，genalg包中的rbga对象，可以调用plot函数进行进行可视化，展现遗传算法运行过程中的特征，默认显示最小值和平均的评估值，指示遗传算法执行的进度。它们的实现过程，都需要自定义评估函数evalFunc,rbga.bin的函数evalFunc以二元染色体为参数，而在rbga函数中，需要一个浮点向量作为参数,它们都可以通过设置monitorFunc对遗传算法的实现过程进行监控，monitorFunc需要rbga对象作为参数。GenSA包可以执行非常复杂的非线性目标函数的全局最小化搜索。
2024-03-31 00:10:46
184
1
原创 ENVI中用矢量裁剪影像
在ENVI5.0中，我们直接可以用矢量数据对栅格影像进行裁剪，而不需要像以前版本那样先把矢量转成roi，同时可以用一个矢量对n个同一个区域的栅格进行裁剪。下面我们一起来体验。在右边Toolbox中上面的文本框输入：subset关键字就能找到：subset Data via ROIs工具，在文件对话框中选择需要裁剪的文件。选择File->New –>Vector Layer...，定义图层名称，类型为Polygon，选择一个栅格图像作为数据源。在左边矢量图层中，单击右键选择Save as，将矢量保存。
2024-03-23 16:38:39
2088
1
原创 光谱预处理-R
group : 一个可选的因子（或向量，可以强制为因子）as.系数)长度等于nrow（X），提供相关观察的标识（例如，同一批测量的样品、同一来源的样品或同一土壤剖面的样品）。如果未指定，则在欧几里德空间中计算距离。##帮助-查看包信息---prospectr能够实现SG平滑，SNV，MSC，k均值抽样，连续删除，校准采样的K-S算法等.#metric : 要使用的距离度量：“euclid”（欧几里德距离）或“mahal”（默认马氏距离）。#fnames : 要读取的文件的名称（具有绝对路径）的字符向量。
2024-03-23 16:08:18
591
1
原创 随机森林cv
Fold = factor(fold) # 添加折叠标签以区分不同折叠的数据。# 创建一个空的数据框用于存储每个折叠的预测结果、真实值、R²和RMSE。# 绘制每个折叠的预测结果散点图，并在图例中显示 R² 和 RMSE。# 创建数据框，包含预测结果、真实值、R² 和 RMSE。# 提取第 fold 个折叠的预测结果和真实值。# 初始化训练集和测试集存储预测结果的向量和矩阵。# 将这个折叠的数据追加到总的结果数据框中。# 使用模型对验证集和测试集进行预测。# 划分训练集和测试集。# 创建交叉验证折叠。
2024-03-23 15:49:12
376
1
原创 随机森林-回归预测
ntreej<-c(1,2,3,4,5,6,7,8,9,10,20,30,40,50,60,70,80,90,100,200,300,400,500,600,700,800,900,1000,2000)#森林个数。随机森林(Random Forest)是一种集成学习方法，它基于决策树构建多个分类器（或回归器），然后将它们组合起来以提高整体模型的性能和泛化能力。随机森林是一种强大且灵活的机器学习算法，适用于分类和回归问题，并且通常表现出色，即使在处理高维数据和大规模数据集时也能取得良好的性能。
2024-03-20 11:58:09
1483
1
原创 XGBOOST-matlab错误（1）
%特点：高性能：XGBoost采用了一系列优化策略，包括使用了分布式计算、高效的数据压缩和缓存技术等，使得它在处理大规模数据集时具有很高的训练和预测速度。%%%对于Xgboost的详细介绍：XGBoost（eXtreme Gradient Boosting）是一种高效的、灵活的、可扩展的机器学习模型，特别适用于梯度提升树（Gradient Boosting Decision Trees，GBDT）算法。%%XGBoost是一种集成学习模型，它通过组合多个弱学习器（通常是决策树）来构建一个强大的模型。
2024-03-19 18:35:33
773
原创 BPNN-MATLAB
反向传播神经网络（Backpropagation Neural Network，简称BP神经网络）是一种常用的人工神经网络模型，用于解决分类和回归等问题。%9是隐含层神经元的个数（自己调整），连接权值是3628 查看doc newff。legend('真实值','预测值','location','best')%data = xlsread('GA后波段.xlsx');%% BP神经网络创建、训练及仿真测试。
2024-03-19 16:25:09
752
原创 R语言相关性热力图
geom_tile(data = subset(as.data.frame(as.table(cor_matrix)), is.na(Freq)), fill = "white", color = "black",linetype = "dashed")+ # 添加下半角网格线，颜色为黑色。labs(x = "注：图中1、2、3、4为充足灌溉(W1)、轻度亏缺(W2)、中度亏缺(W3)、重度亏缺(W4)，绘制热力图：使用适当的绘图函数来创建热力图。计算相关性矩阵：如果您要绘制的是相关性热力图，可以使用。
2023-09-17 23:10:45
1298
1
Simple%20Deep%20Learning%20Algorithms%20with%20K-fold%20Cross-Va
2024-03-20
RStudio中运行集成学习
2023-07-27
TA创建的收藏夹 TA关注的收藏夹
TA关注的人