基于主成分分析结合粒子群算法优化支持向量机(PCA-PSO-SVM)的数据多特征分类预测 [可显示原始特征的贡献率]

目录

1、代码简介

2、代码运行结果展示

3、代码获取

---

1、代码简介

[独家]基于PCA-PSO-SVM的数据多特征分类预测 Matlab代码（多输入单输出）[可显示原始特征对应的贡献率]

程序已经调试好，无需更改代码替换数据集即可运行！！！数据格式为excel！

1.首先通过主成分分析PCA将数据进行降维，会显示原始特征对应的贡献率(不是贡献率排序，不会让你对应不到对应特征)，特征选取要求为累计贡献率大于90%。

2.将数据降维后的数据导入PSO-SVM神经网络进行分类预测(PSO优化SVM的c和g)

3.PCA和PSO-SVM分类两个内容写在同一个main里，运行一个main一键出图和结果(如下图)

4.SVM可定制更换为其他模型BP、RF、RBF、LSSVM、CNN、LSTM等以及组合模型也可以！

5.PSO算法可以定制更换为其他算法。

注：

1、运行环境要求MATLAB版本为2018b及其以上，可实现二分类和多分类

2、代码中文注释清晰，质量极高

3、运行结果图包括分类效果图，迭代优化图，混淆矩阵图，如下所示

4、赠送测试数据集，可以直接运行源程序。 适合新手小白

2、代码运行结果展示

降维结果

预测结果

3、代码获取

点击下方了解更多！