%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
%% 导入数据
res = xlsread('数据集.xlsx');
%% 数据分析
num_size = 0.7; % 训练集占数据集比例
outdim = 1; % 最后一列为输出
num_samples = size(res, 1); % 样本个数
res = res(randperm(num_samples), :); % 打乱数据集(不希望打乱时,注释该行)
num_train_s = round(num_size * num_samples); % 训练集样本个数
f_ = size(res, 2) - outdim; % 输入特征维度
%% 划分训练集和测试集
P_train = res(1: num_train_s, 1: f_)';
T_train = res(1: num_train_s, f_ + 1: end)';
M = size(P_train, 2);
P_test = res(num_train_s + 1: end, 1: f_)';
T_test = res(num_train_s + 1: end, f_ + 1: end)';
N = size(P_test, 2);
%% 得到训练集和测试样本个数
M = size(P_train, 2);
N = size(P_test , 2);
%% 数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);
[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);
%% 特征选择
disp(['搜索:'])
disp(['https://mbd.pub/o/DDR1'])
%% 打印出评价指标
%% disp(['-----------------------误差计算--------------------------'])
%% disp(['评价结果如下所示:'])
%% disp(['平均绝对误差MAE为:',num2str(MAE2)])
%% disp(['均方误差MSE为: ',num2str(mse2)])
%% disp(['均方根误差RMSEP为: ',num2str(error2)])
%% disp(['决定系数R^2为: ',num2str(R2)])
%% disp(['剩余预测残差RPD为: ',num2str(RPD2)])
%% disp(['平均绝对百分比误差MAPE为: ',num2str(MAPE2)])
%% grid
没有合适的资源?快使用搜索试试~ 我知道了~
最大互信息系数MIC(数据特征选择算法)的回归预测,多输入单输出模型 评价指标包括:R2、MAE、MSE、RMSE等,代码质
共5个文件
m:3个
mexw64:1个
xlsx:1个
需积分: 0 9 下载量 175 浏览量
2023-10-07
09:33:43
上传
评论
收藏 27KB ZIP 举报
温馨提示
最大互信息系数MIC(数据特征选择算法)的回归预测,多输入单输出模型。 评价指标包括:R2、MAE、MSE、RMSE等,代码质量极高,方便学习和替换数据。
资源推荐
资源详情
资源评论
收起资源包目录
5 MIC最大互信息系数回归-2.zip (5个子文件)
mic_select.m 688B
main.m 2KB
数据集.xlsx 15KB
mine_mex.mexw64 24KB
mine.m 939B
共 5 条
- 1
资源评论
智能算法及其模型预测
- 粉丝: 1833
- 资源: 788
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功