几个小创新模型，Transformer与SVM、LSTM、BiLSTM、Adaboost的结合，MATLAB分类全家桶再更新！...

截止到本期MATLAB机器学习分类全家桶，一共发了5篇，参考文章如下：

1.机器学习分类全家桶，模式识别，故障诊断的看这一篇绝对够了！MATLAB代码

2. 再更新，机器学习分类全家桶，模式识别，看这一篇绝对够了！MATLAB代码

3.2024年新算法优化CATBOOST参数实现分类，MATLAB与Python魔幻联动

4.10种2024新算法实现特征选择同时优化XGBOOST参数分类，MATLAB代码

5.MATLAB调用Python实现Lightgbm分类和2024新算法参数寻优，同时优化特征选择，新意十足

本期在全家桶内继续更新Transformer分类模型和几个Transformer与别的机器学习算法相结合的模型。具体包括：TRANSFORMER-SVM、TRANSFORMER-LSTM-Adaboost、TRANSFORMER-LSTM、TRANSFORMER-BiLSTM、TRANSFORMER 。

目前整个分类全家桶包含目录如下：

注意，此全家桶代码包含了自注意力机制(selfAttentionLayer)和Transformer模型，该函数只有2023b及以上版本的matlab才有，因此请小伙伴自行下载2023b及其以上版本的matlab。

MATLAB2023b安装包下载链接：

https://pan.baidu.com/s/1lRI4T88INzSSaFMazVaSWA?pwd=618g

由于后期会不断更新，价格可能也会随之攀升，需要的小伙伴抓紧机会下手！

数据简述

案例数据：

本文采用的数据是将西储大学轴承数据进行VMD分解后，在智能算法优化VMD参数的基础上，提取最佳IMF分量的9个指标而构成的。分别是：均值，方差，峰值，峭度，有效值，峰值因子，脉冲因子，波形因子，裕度因子。更多关于数据的来源，可以看这篇文章：保姆级教程之VMD-CNN-BILSTM轴承故障诊断，MATLAB代码。

但如果直接替换自己的数据，就没必要看了这个数据来源了。无非就是前9列是特征列，最后一列是标签列，只要你的数据也是这样的形式，就很好替换！

结果展示

每种方法的精度不一致，与自身的参数有关。

一般去调整，“隐含层节点个数，学习率，训练次数，正则化参数”。调整这几个参数，就完全够用了。现在结合一些智能优化算法优化这些机器学习预测的，也无非就是调整一下这几个参数而已。

这里的参数，作者只是调了个大概，不至于很差。对于精度差的，并不代表这个方法就不好！大家可以调整参数已达到更好的效果！

本期模型结果如下

TRANSFORMER-SVM

TRANSFORMER-LSTM-Adaboost

TRANSFORMER-LSTM

TRANSFORMER-BiLSTM

TRANSFORMER ：

机器学习分类全家桶代码获取链接：

https://mbd.pub/o/bread/ZZqUlpxv

部分下载不了的可以跳转浏览器或者用电脑即可！

或点击下方阅读原文获取此全家桶。

承诺此全家桶一次购买，永久更新！

之前购买过的小伙伴，直接复制代码链接重新下载即可。

---

获取更多代码：

或者复制链接跳转：
https://docs.qq.com/sheet/DU3NjYkF5TWdFUnpu