独家首发 | Matlab实现SVM-Transformer多变量回归预测
目录
- 独家首发 | Matlab实现SVM-Transformer多变量回归预测
- 效果一览
- 基本介绍
- 程序设计
- 参考资料
效果一览
基本介绍
1.Matlab实现SVM-Transformer多变量回归预测,SVM递归特征消除+Transformer多输入单输出回归预测;
2.运行环境为Matlab2023b及以上;
3.data为数据集,输入多个特征,输出单个变量,多变量回归预测,main.m为主程序,运行即可,所有文件放在一个文件夹;
4.命令窗口输出R2、MSE、RMSE、MAE、MAPE、MBE等多指标评价;
程序设计
- 完整程序和数据下载私信博主回复独家首发 | Matlab实现SVM-Transformer多变量回归预测。
%% 输出选择特征的对应序号
disp('经过特征选择后,保留特征的序号为:')
disp(save_index)%% 特征选择后的数据集
p_train = p_train(:, save_index);
p_test = p_test (:, save_index);%% 矩阵转置适应模型
p_train = p_train'; p_test = p_test';
t_train = t_train'; t_test = t_test';%% 数据平铺
% 将数据平铺成1维数据只是一种处理方式
% 也可以平铺成2维数据,以及3维数据,需要修改对应模型结构
% 但是应该始终和输入层数据结构保持一致
vp_train = double(reshape(p_train, k, 1, 1, M));
vp_test = double(reshape(p_test , k, 1, 1, N));t_train = t_train';
t_test = t_test' ;%% 数据格式转换
for i = 1 : Mlp_train{i, 1} = vp_train(:, :, 1, i);
endfor i = 1 : Nlp_test{i, 1} = vp_test( :, :, 1, i);
end%% 创建模型
%网络搭建
numChannels = k;
maxPosition = 256;
numHeads = 4;
numKeyChannels = numHeads*32;
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502