您好,登錄后才能下訂單哦!
本篇文章為大家展示了基于的強(qiáng)預(yù)測器設(shè)計(jì)是怎么樣的,內(nèi)容簡明扼要并且容易理解,絕對(duì)能使你眼前一亮,通過這篇文章的詳細(xì)介紹希望你能有所收獲。
Adaboost方法不僅可以用語設(shè)計(jì)強(qiáng)分類器,還可以用于設(shè)計(jì)強(qiáng)預(yù)測器。
強(qiáng)預(yù)測器設(shè)計(jì)思路與強(qiáng)分類器設(shè)計(jì)類似,都是先富裕測試樣本權(quán)重,然后根據(jù)弱預(yù)測器預(yù)測結(jié)果調(diào)整測試樣本權(quán)重并確定弱預(yù)測器權(quán)重,最后把弱預(yù)測器序列作為強(qiáng)預(yù)測器。不同的是在強(qiáng)預(yù)測器中增加預(yù)測錯(cuò)類別樣本的權(quán)重,增加預(yù)測誤差超過閥值的樣本權(quán)重。
仍然預(yù)測之前預(yù)測的函數(shù)
%% 清空環(huán)境變量
clc
clear
%% 下載數(shù)據(jù)
load data1 input output
%% 權(quán)重初始化
k=rand(1,2000);
[m,n]=sort(k);
%訓(xùn)練樣本
input_train=input(n(1:1900),:)';
output_train=output(n(1:1900),:)';
%測試樣本
input_test=input(n(1901:2000),:)';
output_test=output(n(1901:2000),:)';
%樣本權(quán)重
[mm,nn]=size(input_train);
D(1,:)=ones(1,nn)/nn;
%訓(xùn)練樣本歸一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
K=10;
for i=1:K
%弱預(yù)測器訓(xùn)練
net=newff(inputn,outputn,5);
net.trainParam.epochs=20;
net.trainParam.lr=0.1;
net=train(net,inputn,outputn);
%弱預(yù)測器預(yù)測
an1=sim(net,inputn);
BPoutput=mapminmax('reverse',an1,outputps);
%預(yù)測誤差
erroryc(i,:)=output_train-BPoutput;
%測試數(shù)據(jù)預(yù)測
inputn1=mapminmax('apply',input_test,inputps);
an2=sim(net,inputn1);
test_simu(i,:)=mapminmax('reverse',an2,outputps);
%調(diào)整D值
Error(i)=0;
for j=1:nn
if abs(erroryc(i,j))>0.2 %較大誤差
Error(i)=Error(i)+D(i,j);
D(i+1,j)=D(i,j)*1.1;
else
D(i+1,j)=D(i,j);
end
end
%計(jì)算弱預(yù)測器權(quán)重
at(i)=0.5/exp(abs(Error(i)));
%D值歸一化
D(i+1,:)=D(i+1,:)/sum(D(i+1,:));
end
%% 強(qiáng)預(yù)測器預(yù)測
at=at/sum(at);
%% 結(jié)果統(tǒng)計(jì)
%強(qiáng)分離器效果
output=at*test_simu;
error=output_test-output;
plot(abs(error),'-*')
hold on
for i=1:8
error1(i,:)=test_simu(i,:)-output;
end
plot(mean(abs(error1)),'-or')
title('強(qiáng)預(yù)測器預(yù)測誤差絕對(duì)值','fontsize',12)
xlabel('預(yù)測樣本','fontsize',12)
ylabel('誤差絕對(duì)值','fontsize',12)
legend('強(qiáng)預(yù)測器預(yù)測','弱預(yù)測器預(yù)測')
上述內(nèi)容就是基于的強(qiáng)預(yù)測器設(shè)計(jì)是怎么樣的,你們學(xué)到知識(shí)或技能了嗎?如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請(qǐng)聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。