分类预测 | Matlab实现PSO-XGBoost粒子群算法优化XGBoost的多特征分类预测
目录
- 分类预测 | Matlab实现PSO-XGBoost粒子群算法优化XGBoost的多特征分类预测
- 效果一览
- 基本介绍
- 程序设计
- 参考资料
效果一览
基本介绍
Matlab实现PSO-XGBoost粒子群算法优化XGBoost的多特征分类预测,输入多个特征,分四类。
1.Matlab实现PSO-XGBoost粒子群算法优化XGBoost的多特征分类预测,运行环境Matlab2018b及以上;
2.输入12个特征,输出分4类,可视化展示分类准确率,可在下载区获取数据和程序内容。
3.优化参数为最大迭代次数,深度,学习率。
4.data为数据集,main为主程序,其他为函数文件,无需运行。
注:程序和数据放在一个文件夹。
XGBoost的核心算法思想基本就是:不断地添加树,不断地进行特征分裂来生长一棵树,每次添加一个树,其实是学习一个新函数f(x),去拟合上次预测的残差。
程序设计
- 完整程序和数据下载私信博主回复Matlab实现PSO-XGBoost粒子群算法优化XGBoost的多特征分类预测