截止到本期，一共发了14篇关于机器学习预测全家桶MATLAB代码的文章。算上这一篇，一共15篇！参考文章如下：
http://mp.weixin.qq.com/s?__biz=MzkyNDUwMjc3Mg==&mid=2247486741&idx=1&sn=a7f1c835b63ef5454ad8cca9a68f0fe8&chksm=c1d5928ef6a21b98c220c452f60e4af9483e6f497012b9dad84349f7d5caa2e210d88939896c&scene=21#wechat_redirect机器学习预测全家桶包含了哪些？
话不多说，直接看目录！
第一级文件夹：
第二级文件夹：
包含的数量之多，直呼过瘾！
最近有小伙伴后台留言，希望添加回归模型。
说到回归，很多小伙伴或许还不清楚回归和预测到底有什么区别。这里简单陈述一下：
回归和预测到底有什么区别
1、定义与性质
预测：通常指的是在给定一些输入变量的情况下，预测未来某个或某些事件的可能结果。
回归：是一种统计分析方法，指研究一组随机变量(Y1 ，Y2 ，…，Yi)和另一组(X1，X2，…，Xk)变量之间关系的统计分析方法，又称多重回归分析。通常Y1，Y2，…，Yi是因变量，X1、X2，…，Xk是自变量。
2、目标与结果
预测：主要目标是预测未来的数据或结果，不一定需要了解变量之间的具体关系。
回归：主要目标是描述和量化变量之间的关系，以及如何利用这些关系进行预测。
举个例子：
先说预测。在前几期中，用到了风电发电功率数据。
数据包含特征如下：测风塔10m风速(m/s) 、测风塔30m风速(m/s) 、测风塔50m风速(m/s) 、测风塔70m风速(m/s)、 轮毂高度风速(m/s) 、测风塔10m风向(°) 、测风塔30m风向(°) 、测风塔50m风向(°) 、测风塔70m风向(°)、 轮毂高度风向(°) 、温度(°) 、气压(hPa)、 湿度(%) 实际发电功率（mw）。部分数据截图如下：
在预测的时候，就是利用已知时刻（假设是前5天）的特征量去预测未来还没发生的某一时刻或未来某几个时刻（假设是第6天，或者6~10天）的发电功率。
再说回归。本期介绍一种用于回归的UCI《共享电车租赁数据集》。该数据集来自波尔图大学实验室，特征变量有季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，目标值为租赁自行车总数。数据部分截图如下：
最后一列为共享单车的租赁数。
在做回归分析的时候，就是利用当前时刻的特征量去预测当前时刻的自行车租赁数量。目的是为了建立特征值与变量值的一种关系。做回归的时候，不涉及去预测未来某时刻的这种情况。
讲到这里，想必大家应该明白了吧！
回归模型结果展示
随机挑选几种模型进行展示：
regress模型：
CNN-Bigru-Attention模型
Xgboost模型：
ELM-Adaboost：
机器学习预测全家桶代码获取
点击下方卡片获取
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
