基于萤火虫算法优化的lssvm回归预测-附代码
基于萤火虫算法优化的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萤火虫算法进行优化。
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.基于萤火虫算法优化的LSSVM
萤火虫算法的具体原理参考博客:https://blog.csdn.net/u011835903/article/details/108492552
萤火虫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
萤火虫参数设置如下:
%% 利用萤火虫算法选择回归预测分析最佳的lssSVM参数c&g
%% 萤火虫参数设置
% 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; %萤火虫数量
Max_iteration=5;%最大迭代次数
fa-LSSVM优化得到的最优参数为:
fa-LSSVM优化得到的gama为:5
fa-LSSVM优化得到的sig2为:0.23538
fa-LSSVM结果:
fa-LSSVM训练集MSE:0.046883
fa-LSSVM测试集MSE:0.02852
LSSVM结果:
LSSVM训练集MSE:0.16381
LSSVM测试集MSE:0.12904
从MSE结果来看,经过改进后的萤火虫-LSSVM明显优于未改进前的结果。
5.Matlab代码
相关文章
- java全排列递归算法_java排列组合代码实现
- 代码没写几行,算法工程师们上班都在干嘛?
- NSGA2算法代码理解
- ST表算法与代码实现
- 快速阶乘算法python_【最全】阶乘算法!(python和C语言)
- 对于多层神经网络,BP算法的直接作用_什么是多层神经网络
- php弱类型花式绕过大全_协同过滤推荐算法代码
- 1行Python代码,计算程序的运行时间,也可以用在算法和接口的调优上
- 改进的自适应中值滤波算法 去除椒盐噪声 python 代码实现
- C语言 | 动图演示十大经典排序算法(含代码)
- 数据结构实验之图论七:驴友计划【迪杰斯特拉算法】(SDUT 3363)
- 技术盛宴来袭,黑客马拉松开赛,这场专注算法与创新的技术盛宴邀你来看!
- MapReduce中的Join算法详解大数据
- 盛最多水的容器算法详解编程语言
- 每日温度算法详解编程语言
- 探究Oracle中排序算法的不同之处(oracle两种排序方式)
- 预告:从传感器和算法原理讲起,机器人是如何避障的丨硬创公开课
- JS维吉尼亚密码算法实现代码
- 使用PHP实现二分查找算法代码分享
- 贪心算法WOODENSTICKS实例代码
- C#中实现任意List的全组合算法代码
- C#实现协同过滤算法的实例代码
- Java实现几种常见排序算法代码
- floyd算法实现思路及实例代码
- C++实现顺序排序算法简单示例代码
- C++堆排序算法的实现方法