- 博客(4)
- 收藏
- 关注
原创 基于支持向量机进行时间序列预测(Python)
在使用支持向量机算法进行预测的基础上,再采用。优化调整参数,建立调参后的SVR模型。由于时间的维数是一维的,因此需要。此示例中选定滞后期数为3。
2023-09-05 17:10:44 1504 4
原创 粒子群算法调参支持向量回归进行预测(PSO-SVR)Python实现
SVR(支持向量回归)是一种有效的非线性回归方法,它可以通过寻找一组最优参数来拟合数据。粒子群算法是一种优化算法,可以用于找到最佳的SVR参数。以下是使用粒子群算法进行SVR参数调优的步骤:确定SVR模型的核函数和参数范围。常用的核函数有线性核、多项式核和高斯径向基核。参数范围包括核函数参数、正则化参数等。定义粒子群算法的目标函数。在SVR预测中,通常使用均方误差(MSE)或均方根误差(RMSE)作为目标函数。初始化粒子群的位置和速度。
2023-09-04 14:59:10 4029 8
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人