ML-LSSVM(regression:FOA优化参数)

该博客通过导入numpy、pandas等库,利用FOA(快速优化算法)对线性支持向量机(LSSVM)的参数进行优化,以提高回归预测的准确性。首先,从CSV文件中加载数据,然后定义核函数和矩阵Omega计算方法。接着,通过迭代过程寻找最佳参数gamma和sigma。最后,将优化后的参数应用于训练集和测试集,展示实际值与预测值的比较,并计算误差。
摘要由CSDN通过智能技术生成

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import preprocessing
from sklearn.model_selection import train_test_split

frame = pd.read_csv('lssvm.csv')
arr = frame.values[0:10]
x,y = arr[:,0:-1],arr[:,-1]

x_asis = np.random.random((1,2))
y_asis = np.random.random((1,2))

sample_nums = 50

def kernel(x,y,sigma):
    a = x-y
    result = np.exp(-a.dot(a.T)/(2*sigma**2))
    return result

def matrixOmega(x,y,sigma):
    length = len(x)
    omega = np.zeros((length,length))
    for i in range(length):
        for j in range(length):
            omega[i,j] = kernel(x[i],x[j],sigma)
    return omega

def countParams(x,y,gamma,sigma):
    length = len(x)+1
    A = np.zeros((length,length))
    A[0,

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值