基于海鸥算法优化的lssvm回归预测-附代码
基于海鸥算法优化的lssvm回归预测 - 附代码
摘要:为了提高最小二乘支持向量机(lssvm)的回归预测准确率,对lssvm中的惩罚参数和核惩罚参数利用海鸥算法进行优化。
1.数据集
数据信息如下:
data.mat 的中包含input数据和output数据
其中input数据维度为:2000*2
其中output数据维度为2000*1
所以RF模型的数据输入维度为2;输出维度为1。
2.lssvm模型
lssvm请自行参考相关机器学习书籍。
3.基于海鸥算法优化的LSSVM
海鸥算法的具体原理参考博客:https://blog.csdn.net/u011835903/article/details/108830958。
海鸥算法的优化参数为惩罚参数和核惩罚参数。适应度函数为RF对训练集和测试集的均方误差(MSE),均方误差MSE越低越好。
f
i
n
t
e
n
e
s
s
=
M
S
E
[
p
r
e
d
i
c
t
(
t
r
a
i
n
)
]
+
M
S
E
[
p
r
e
d
i
c
t
(
t
e
s
t
)
]
finteness = MSE[predict(train)] + MSE[predict(test)]
finteness=MSE[predict(train)]+MSE[predict(test)]
4.测试结果
数据划分信息如下: 训练集数量为1900组,测试集数量为100组
海鸥参数设置如下:https://blog.csdn.net/u011835903/article/details/107535864
%% 利用海鸥算法选择回归预测分析最佳的lssSVM参数c&g
%% 海鸥参数设置
% 定义优化参数的个数,在该场景中,优化参数的个数dim为2 。
% 定义优化参数的上下限,如c的范围是[0.01, 1], g的范围是[2^-5, 2^5],那么参数的下限lb=[0.01, 2^-5];参数的上限ub=[1, 2^5]。
%目标函数
fobj = @(x) fun(x,Pn_train,Tn_train,Pn_test,Tn_test);
% 优化参数的个数 (c、g)
dim = 2;
% 优化参数的取值下限
lb = [0.01,0.01];
ub = [5,5];
% 参数设置
pop =20; %海鸥数量
Max_iteration=5;%最大迭代次数
SOA-LSSVM优化得到的最优参数为:
SOA-LSSVM优化得到的gama为:5
SOA-LSSVM优化得到的sig2为:0.62518
SOA-LSSVM结果:
SOA-LSSVM训练集MSE:0.055649
SOA-LSSVM测试集MSE:0.025938
LSSVM结果:
LSSVM训练集MSE:0.16558
LSSVM测试集MSE:0.072999
从MSE结果来看,经过改进后的海鸥-LSSVM明显优于未改进前的结果。
5.Matlab代码
相关文章
- DayDayUp之Job:牛客网—算法工程师—剑指offer之66道在线编程(解决思路及其代码)——1~20
- 计及需求响应的改进灰狼优化算法求解风、光、柴、储容量优化配置(Matlab代码实现)
- 【微电网】基于改进粒子群算法的微电网优化调度(Matlab代码实现)
- 基于蚁群算法的车辆路径规划问题的研究(Matlab代码实现)
- 基于遗传算法、元胞自动机邻域和随机重启爬山混合优化算法(GA-RRHC)的柔性车间调度研究(Matlab代码实现)
- 【车间调度】基于模拟退火优化算法的的并行车间机器优化调度(Matlab代码实现)
- 【状态估计】将变压器和LSTM与卡尔曼滤波器结合到EM算法中进行状态估计(Python代码实现)
- 【分布式能源的选址与定容】基于非支配排序多目标遗传优化算法求解分布式能源的选址与定容(Matlab代码实现)
- 基于天牛须(BAS)与NSGA-Ⅱ混合算法的交直流混合微电网多场景多目标优化调度(Matlab代码实现)
- 基于模糊神经网络算法预测电价(Matlabd代码实现)
- 基于粒子群优化算法的面向综合能源园区的三方市场主体非合作交易方法(Matlab代码实现)
- 传感器|基于改进贪心算法的最佳传感器位置选择(Matlab代码实现)
- 基于海鸥算法的极限学习机(ELM)分类算法-附代码
- 基于海鸥算法改进的DELM分类-附代码
- 智能优化算法:JAYA优化算法 -附代码
- 智能优化算法:旗鱼优化算法-附代码
- 【数据结构与算法】用 golang 实现 LSM Tree 代码
- 【PMU】基于两种模拟退火方法、两种图论过程和递归安全N算法六种算法的最优PMU布置(OPP)研究(Matlab代码实现)
- 基于改进的离散PSO算法的FJSP的研究(Python代码实现)