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), :);