MOGWO-SVM回归预测,多目标灰狼算法优化支持向量机多变量回归预测,可直接运行,Matlab语言。
1.多输入单输出,利用多目标灰狼算法优化SVM的参数c和g,目标分别为误差与稳定性,进而生成帕累托解集,寻找最优参数,进一步提升预测精度。评价指标包括R2、RMSE、MAE、MAPE等等,可完全满足您的需求。
2.传统预测仅仅利用普通优化算法优化单一目标,已经不能满足专家的偏好。该算法利用全新的多目标优化算法同时优化误差和稳定性,非常新颖,csdn公众号前程算法屋不要再抄袭了,适合需要创新的买家。
3.直接替换Excel数据即可用,注释清晰适合新手小白,附赠Excel示例数据,直接运行main文件一键出图。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
addpath SVM工具箱
% restoredefaultpath
%% 导入数据
res = xlsread('数据集.xlsx');
X = res(:,1:end-1);
Y = res(:,end);
%% table数据转double
% Tbl = rmmissing(cartable);
% res=table2array(Tbl);
%% 数据分析
num_size = 0.70; % 训练集占数据集比例
outdim = 1; % 最后一列为输出
num_samples = size(res, 1); % 样本个数
res = res(randperm(num_samples), :); % 打乱数据集(不希望打乱时,注释该行)
num_train_s = round(num_size * num_samples); % 训练集样本个数
f_ = size(res, 2) - outdim; % 输入特征维度
智能算法及其模型预测