网格预测 svm lssvm cnn lstm cnn+lstm 数据拟合等方法

最新推荐文章于 2023-12-11 14:54:45 发布
最新推荐文章于 2023-12-11 14:54:45 发布
阅读量1.4k 收藏 1
点赞数 1
文章标签： 几何学 算法 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tcuuuqladvvmm454/article/details/122493095
版权

参加网格预测大赛

一个区域分为n个块

每个块，统计三年来 每个月发生六类事件的个数

上图代表了三年的原始数据

网格*12个月*6类 代表了2000多个横坐标的事件发生数目 

预测，下一年 每个块 每个月发生六类事件的个数

方法很多，比赛成绩不大好 交了好几次都不理想

1 数据拟合

将三年的数据得到，然后拟合成1234次曲线，求解三年的mse最小的拟合曲线

用最小的 去求解第四年的

对于每一网格每一个事件每个月都这样求解，可以达到结果

整体训练集的mse为1520

一共有2304*2个训练集合

2 当然可以用深度学习

尝试了 cnn cnn lstm lstm三种

采取移动网络，用前面5个预测第六个数据

得到的结果马马虎虎吧

 

 

 

这是部分结果 

3  用lssvm

 训练数据的mse为1720

4  用svm也做了尝试

效果也不好

因为数据有三年的，训练集的mse最好的在1520上

记录一下

没有进入复赛

继续努力 在AI的路上砥砺前行 不断奋斗

地铁AI爱好者
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
python实现lstm-svr组合预测
如如水的博客
05-01 3721
构建lstm-svr组合预测模型，有效提高预测精度。直接替换excel表的文件路径即可实现。
SVM 模型训练到social LSTM
fly1ng_duck的博客
05-09 1668
之前看过台大李宏毅的SVM介绍，我寻思我没看到有关于model的东西啊。 有点印象就是SVM跟全连接神经网络的训练方式是有点像的。 但是有关于SVM模型介绍是有点少的。 最近看到一篇paper The relation probabilities are determined by a probabilistic SVM trained on 3D motion indicator f...
CNN,RNN,LSTM区别
u011473714的专栏
07-24 2万+
(一)CNN 卷积神经网络 在机器学习中，卷积神经网络是一种深度前馈人工神经网络，已成功地应用于图像识别。 [1]  卷积神经网络，是一种前馈神经网络，人工神经元可以响应周围单元，可以进行大型图像处理。卷积神经网络包括卷积层和池化层。 卷积神经网络包括一维卷积神经网络、二维卷积神经网络以及三维卷积神经网络。一维卷积神经网络常应用于序列类的数据处理；二维卷积神经网络常应用于图像类文本的识别；三...
基于长短期记忆神经网络LSTM联立支持向量机SVR回归预测，组合模型LSTM-SVR回归预测，主要对权重优化，多输入单输出模型
最新发布
12-25
基于长短期记忆神经网络LSTM联立支持向量机SVR回归预测，组合模型LSTM-SVR回归预测，主要对权重优化，多输入单输出模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。 基于长短期记忆神经网络LSTM联立支持向量机SVR回归预测，组合模型LSTM-SVR回归预测，主要对权重优化，多输入单输出模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。
(8)卷积神经网络如何处理一维时间序列数据？
zuiyishihefang的博客
05-30 3万+
(8)卷积神经网络如何处理一维时间序列数据？ 概述 许多文章都关注于二维卷积神经网络（2D CNN）的使用，特别是图像识别。而一维卷积神经网络（1D CNNs）只在一定程度上有所涉及，比如在自然语言处理（NLP）中的应用。目前很少有文章能够提供关于如何构造一维卷积神经网络来一些机器学习问题。 何时应用 1D CNN？ CNN 可以很好地识别出数据中的简单模式，然后使用这些简单模式在更高级的...
风速预测：混合模型VMD-EEMD-LSTM-LSSVM
cld1997的博客
04-12 5120
混合模型VMD-EEMD-LSTM-LSSVM由二次分解模型VMD-EEMD和误差修正模型LSTM-LSSVM两部分组成。二次分解模型是在单分解模型基础上发展而来，通过结合不同分解模型的优点以达到比单分解模型更好的分解效果。误差修正模型通过利用模型拟合时的剩余残差对模型预测值进行修正以提高模型预测精度。 对于一个风速数据序列data，对其进行VMD分解效果如下， ...
利用最小支持向量机LSSVM做拟合预测建模，数据要求是多列输入单列输出做拟合预测建模
CxMbsxVJv的博客
12-11 85
具体来说，LSSVM采用支持向量机的分类方法，通过使用核函数处理输入数据，将其映射到高维特征空间，从而在高维特征空间中寻找最优拟合模型。在此过程中，支持向量起到了至关重要的作用，它们是模型中拟合错误的样本点，通过优化模型使得它们的距离到超平面的距离最小化，从而在保证预测准确性的同时，最小化模型的复杂度。值得注意的是，在LSSVM中，选择核函数是非常重要的一步。利用最小支持向量机LSSVM做拟合预测建模，数据要求是多列输入单列输出做拟合预测建模，程序内注释详细，直接替换数据就可以用。
【LSTM分类】基于贝叶斯结合支持向量机BO-SVM的数据分类预测附matlab代码
matlab_dingdang的博客
09-06 178
在当今信息时代，数据分类预测成为了许多领域中的重要任务。而随着深度学习技术的快速发展，长短期记忆网络（LSTM）作为一种强大的序列模型，被广泛应用于各种数据分类问题中。本文将介绍一种基于贝叶斯结合支持向量机（BO-SVM）的方法，来进一步提高LSTM在数据分类预测中的性能。首先，我们需要了解LSTM和BO-SVM的基本概念。LSTM是一种特殊的循环神经网络（RNN），其内部结构包含了输入门、遗忘门和输出门等关键组件，使其能够有效地处理长期依赖关系。
机器学习 之 SVM
HeroIsUseless的博客
08-21 629
支持向量机（support vector machines, SVM）是一种二分类模型， 感知机 （perceptron）：感知机是神经网络（深度学习）的起源算法，感知机是二分类的线性模型，其输入是实例的特征向量，输出的是事例的类别，分别是+和-，属于判别模型。假设训练数据集是线性可分的，感知机学习的目标是求得一个能够将训练数据集正实例点和负实例点完全正确分开的分离超平面。如果是非线性可分的数据，则最后无法获得超平面，什么是线性可分，二维就是直线可分，三维就是面可分，四维就是。。。超平面，就是这样。 假设超
时序预测 | MATLAB实现LSTM-SVR(长短期记忆神经网络-支持向量机)时间序列预测
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
02-24 2878
时序预测 | MATLAB实现LSTM-SVR(长短期记忆神经网络-支持向量机)时间序列预测
情感分析word2vec-LSTM：情感分析word2vec + LSTM
02-19
情感分析word2vec-LSTM 使用PyTorch对流行电影评论数据集进行情感分析word2vec + LSTM 请注意：由于损失很大，我将更新此仓库。 数据集非常混乱。 当我有足够的时间时，我将再次更新此笔迹。 数据集：Go Kaggle 1.600.000 Twitter数据集
利用TensorFlow构建LSTM对多维数据进行拟合
06-19
本程序利用TensorFlow构建一个简易LSTM模型，内含对多个常见激活函数的性能的比较过程，以及本程序的运行环境。
基于LSTM网络预测波束形成向量附matlab代码+运行结果.zip
06-30
**2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### 2.5 ELM预测和分类 ##### 2.6 KELM预测和分类 **2.7 ELMAN预测和分类** ##### 2.8 LSTM预测和分类 **2.9 RBF预测和分类** ####...
【LSTM回归预测】基于长短期记忆网络的数据回归预测附matlab完整代码+运行结果.zip
07-27
**2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### 2.5 ELM预测和分类 ##### 2.6 KELM预测和分类 **2.7 ELMAN预测和分类** ##### 2.8 LSTM预测和分类 **2.9 RBF预测和分类** ####...
【LSTM分类】基于长短期记忆网络的数据分类预测附matlab代码+运行结果.zip
07-27
**2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### 2.5 ELM预测和分类 ##### 2.6 KELM预测和分类 **2.7 ELMAN预测和分类** ##### 2.8 LSTM预测和分类 **2.9 RBF预测和分类** ####...
粒子群优化支持向量机实现数据预测PSO+SVM附matlab代码.zip
07-03
**2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### 2.5 ELM预测和分类 ##### 2.6 KELM预测和分类 **2.7 ELMAN预测和分类** ##### 2.8 LSTM预测和分类 **2.9 RBF预测和分类** ####...
【RNN预测】基于RNN-LSTM卷积神经网络实现数据回归预测附matlab代码 上传.zip
03-31
**2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### **2.5 ELM预测**和分类 ##### **2.6 KELM预测**和分类 **2.7 ELMAN预测和分类** ##### **2.8 LSTM预测**和分类 **2.9 RBF预测和...
【机器学习】最小二乘法支持向量机LSSVM的数学原理与Python实现
热门推荐
Luqiang_Shi的博客
11-18 3万+
【机器学习】最小二乘法支持向量机LSSVM的数学原理与Python实现一、LSSVM数学原理1. 感知机2. SVM3. LSSVM4. LSSVM与SVM的区别二、LSSVM的python实现参考资料 一、LSSVM数学原理 1. 感知机 SVM是从感知机发展而来。假设有m个训练样本{(xi,yi)}i=1m\left\{ {\left. {\left( {{x_i},{y_i}} \right...
Python实现长短记忆神经网络（LSTM）预测经验模态分解（EMD）各模态变化的组合时间序列预测模型
weixin_40169609的博客
06-09 8443
本实验使用环境为Anaconda3 Jupyter，调用Sklearn包、Keras包，请提前准备好。只提供数据格式而不提供数据，本人是代码缝合怪小白，望大牛指点。 1.导包 主要包含pandas、numpy、绘图包、日期格式、数学计算、pyhht 、标准化、验证函数等包。有一些包可能没啥用…忘了什么时候导入的了。 import csv import numpy as np import time from sklearn.preprocessing import StandardScaler from s
knn/svm/cnn/lstm
05-12
KNN、SVM、CNN和LSTM是在机器学习和深度学习领域中常见的算法。KNN（K-近邻）算法是基于距离度量的一种分类算法，最常用于图像识别、语音识别等领域。SVM（支持向量机）算法可以解决线性和非线性分类的问题，它通过划分超平面来将不同类别的样本分开。CNN（卷积神经网络）算法是在计算机视觉领域中广泛使用的深度学习算法，它以层状结构对输入图像进行卷积和池化操作，来提取图像特征和进行分类。LSTM（长短时记忆网络）算法是用于处理序列数据的一类循环神经网络算法，它利用门函数和记忆单元来记忆和处理长序列信息，广泛应用于自然语言处理、语音识别和时间序列分析等领域。这些算法都有其特点和优缺点，需要根据具体的应用场景来选择合适的算法。

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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