贝叶斯优化GRNN回归（matlab）代码

贝叶斯优化GRNN回归matlab代码数据为Excel股票预测数据。

数据集划分为训练集、验证集、测试集，比例为8：1：1

模块化设计:

代码按照功能被划分为多个模块，每个模块负责特定的任务，如数据加载、数据预处理、模型训练、模型评估等，提高了代码的可读性和可维护性。

数据处理与标准化:

在加载数据后，进行了数据的划分和标准化处理，将数据分为训练集、验证集和测试集，并对数据进行了Zscore标准化，有助于提高模型的训练效果。

输出多个评价指标:

平均绝对误差（MAE）

均方根误差（RMSE）

均方误差（MSE）

均方根误差（RMSE）

R方系数（R2）

结果可视化: 通过绘制训练集、验证集和测试集的真实标签与预测标签的对比曲线，直观地展示了模型的预测效果，有助于用户更直观地理解模型的性能。

代码有详细中文介绍。

代码运行结果如下：

部分代码如下：
% 清除命令窗口、工作区数据、图形窗口、警告
clc;
clear;
close all;
warning off;
load('data.mat');
data1 = readtable('股票价格.xlsx'); % 读取数据
data2 = data1(:, 2:end);
data = table2array(data1(:, 2:end));
data_biao = data2.Properties.VariableNames;  % 数据特征的名称
A_data1 = data;
data_biao1 = data_biao;
data_select = A_data1;
feature_need_last = 1:size(A_data1, 2)-1;
%% 数据划分
x_feature_label = data_select(:, 1:end-1);    % x特征
y_feature_label = data_select(:, end);          % y标签
index_label1 = 1:(size(x_feature_label, 1));
index_label = G_out_data.spilt_label_data;  % 数据索引
if isempty(index_label)
    index_label = index_label1;
end
spilt_ri = G_out_data.spilt_rio;  % 划分比例 训练集:验证集:测试集
train_num = round(spilt_ri(1)/(sum(spilt_ri))*size(x_feature_label, 1));          % 训练集个数
vaild_num = round((spilt_ri(1)+spilt_ri(2))/(sum(spilt_ri))*size(x_feature_label, 1)); % 验证集个数
% 训练集，验证集，测试集
train_x_feature_label = x_feature_label(index_label(1:train_num), :);
train_y_feature_label = y_feature_label(index_label(1:train_num), :);
vaild_x_feature_label = x_feature_label(index_label(train_num+1:vaild_num), :);
vaild_y_feature_label = y_feature_label(index_label(train_num+1:vaild_num), :);
test_x_feature_label = x_feature_label(index_label(vaild_num+1:end), :);
test_y_feature_label = y_feature_label(index_label(vaild_num+1:end), :);