多输入多输出预测全家桶来啦！解决你的模型选择困难症！论文随便水！

        声明：文章是从本人公众号中复制而来，因此，想最新最快了解各类智能优化算法及其改进的朋友，可关注我的公众号：强盛机器学习，不定期会有很多免费代码分享~

        以往的回归模型大多是多输入单输出的输入格式，例如，输入光照、温度等变量，则输出光伏功率。后台经常有小伙伴问我有没有多输入多输出的预测模型，今天就给大家带来一期多输入多输出预测全家桶，包含LSTM、BP、CNN-BiGRU、LSSVM等多种机器学习与深度学习模型。

        此次全家桶与之前区间预测全家桶和注意力全家桶的承诺一样，一次购买，永久更新！早下手早优惠！

        多输入多输出模型，顾名思义，在实际应用中，许多系统和过程不仅受到多个因素的影响，而且需要同时预测多个相关的输出。例如，在环境监测中，我们需要同时预测温度、湿度、空气质量等多个环境指标，输入变量则为风速、风向、降水量、气压、太阳辐射强度等多个变量，因为这些气象参数会直接影响空气污染物的扩散和沉降。

        为了方便大家替换自己的数据集，我们以一个经典的多输入多输出回归预测数据集为例，展示一下替换自己的数据集的过程，非常方便。首先，各个变量采用特征1、特征2…表示，无实际含义，最后两列为输出，即待预测的变量。

        更换自己的数据时，几个输出变量只需放在最后几列即可，前面的特征数量不限。比如，你有10个特征4个输出变量，只需把这4个变量放在最后4列，前面10列放特征即可，然后在代码里把outdim变量更改为4即可，其余代码无需更改，非常方便适合新手小白！

        这里以CNN-BiGRU模型为例，展示一下模型运行结果（不同模型出图数量与效果可能略有不同，具体可查看全家桶中每个模型的链接）：

        因为我的数据集是两个输出，因此有两张预测效果图，每张图对应一个预测变量，并且分成上下同时显示训练集预测结果和测试集预测结果，方便大家查看与对比~

        以下是CNN-BiGRU的网络结构图，非常清晰（深度学习模型才有）：

        命令行窗口误差显示：

        可以看到，误差显示非常清晰，每一个输出都会分别显示出对应的R2、MAE、MSE、MAPE，同时CNN-BiGRU模型在这个数据集的精度上非常高，两个输出精度均达到了97%以上。

        关键是，要把自己的数据集代入，看看到底哪个模型适配你的数据集。在没有尝试之前，没有任何人能给出你哪个模型最好的答案。

        另外也想提醒大家的一点是，如果一个模型效果不佳，并不代表这个模型没有任何用处，大家在写论文的时候，完全可以把它当作对比模型进行对比，从而增强文章所选模型的说服力。

        因此，目前的全家桶已经包含了7种主流及小众模型，包括优化算法优化的模型以及非优化算法的原始模型，大家也可以自行尝试哪个模型更加匹配自己的数据集！具体如下图片所示！

        购买后如果以后推出其他多输入多输出预测模型，直接免费下载，无需再次付费。

        但如果你之后再买，一旦推出新模型，价格必然会上涨。因此，需要创新的小伙伴请尽早下手。

        如果需要以上完整Matlab代码，只需点击下方小卡片，再后台回复关键字，不区分大小写：

多输出全家桶