贝叶斯优化MLP回归预测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:代码被划分为多个模块,每个模块执行特定的任务,例如加载数据、数据划分、参数设置、算法处理等,使得代码结构清晰,易于理解和维护。
数据处理:对加载的数据进行了预处理操作,包括数据划分、Zscore标准化等,使得数据具备了适合训练的格式和特征,提高了算法的准确性和稳定性。
参数设置:通过指定参数的值,如贝叶斯迭代次数 BO_iter,使得用户可以灵活地调整算法的参数,以获得更好的性能。
算法处理:使用了MLP 回归模型进行数据建模和预测,提高了模型的准确性和泛化能力。
结果展示:在代码的最后,通过打印输出和图形展示了模型在训练集、验证集、测试集上的预测结果,以及相应的评价指标,使得用户能够直观地了解模型的性能和效果。
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)
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')
dataO=readtable('股票价格.xlsx'); %读取数据
data1=dataO(:,2:end);test_data=table2cell(dataO(1,2:end));
for i=1:length(test_data)
if ischar(test_data{1,i})==1
index_la(i)=1; %char类型
elseif isnumeric(test_data{1,i})==1
index_la(i)=2; %double类型
else
index_la(i)=0; %其他类型
end
end
index_char=find(index_la==1);index_double=find(index_la==2);
%% 数值类型数据处理
if length(index_double)>=1
data_numshuju=table2array(data1(:,index_double));
index_double1=index_double;
index_double1_index=1:size(data_numshuju,2);
data_NAN=(isnan(data_numshuju)); %找列的缺失值
num_NAN_ROW=sum(data_NAN);
index_NAN=num_NAN_ROW>round(0.2*size(data1,1));
index_double1(index_NAN==1)=[]; index_double1_index(index_NAN==1)=[];
data_numshuju1=data_numshuju(:,index_double1_index);
data_NAN1=(isnan(data_numshuju1)); %找行的缺失值
num_NAN__COL=sum(data_NAN1');
index_NAN1=num_NAN__COL>0;
index_double2_index=1:size(data_numshuju,1);
index_double2_index(index_NAN1==1)=[];
data_numshuju2=data_numshuju1(index_double2_index,:);
index_need_last=index_double1;
else
index_need_last=[];
data_numshuju2=[];
end