专业建网站 成都,洛阳做网站那家好,做海外网站 服务器放哪,房产网站建设方案项目书多维时序 | LightGBM多变量时序预测#xff08;Matlab完整源码和数据#xff0c;适合基础小白研究#xff09; 目录 多维时序 | LightGBM多变量时序预测#xff08;Matlab完整源码和数据#xff0c;适合基础小白研究#xff09;效果一览基本介绍程序设计参考资料 效果一览…多维时序 | LightGBM多变量时序预测Matlab完整源码和数据适合基础小白研究 目录 多维时序 | LightGBM多变量时序预测Matlab完整源码和数据适合基础小白研究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LightGBM多变量时序预测
1.data为数据集运行环境为Matlab2020b及以上
2.main.m为主程序文件其余为函数文件无需运行。
3.输入多个特征输出单个变量考虑历史特征的影响多变量时间序列预测
4.命令窗口输出MAE、MAPE、RMSE和R2可在下载区获取数据和程序内容。
注:仅支持Windows 64位系统
程序设计
完整程序和数据获取方式私信博主回复LightGBM多变量时序预测Matlab完整源码和数据适合基础小白研究。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行%% 加载工具箱
loadlibrary(lib_lightgbm.dll, c_api.h)%% 导入数据
result xlsread(data.xlsx);%% 数据分析
num_samples length(result); % 样本个数
or_dim size(result, 2); % 原始特征输出数目
kim 2; % 延时步长kim个历史数据作为自变量
%% 数据集分析
outdim 1; % 最后一列为输出
num_size 0.7; % 训练集占数据集比例
num_train_s round(num_size * num_samples); % 训练集样本个数
f_ size(res, 2) - outdim; % 输入特征维度%% 划分训练集和测试集
P_train res(1: num_train_s, 1: f_);
T_train res(1: num_train_s, f_ 1: end);
M size(P_train, 2);P_test res(num_train_s 1: end, 1: f_);
T_test res(num_train_s 1: end, f_ 1: end);
N size(P_test, 2);%% 数据归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input);[t_train, ps_output] mapminmax(T_train, 0, 1);
t_test mapminmax(apply, T_test, ps_output);%% 矩阵转置
p_train p_train; p_test p_test;
t_train t_train; t_test t_test;%% 加载数据到 GBM
pv_train lgbmDataset(p_train);
setField(pv_train, label, t_train);pv_test lgbmDataset(p_test, pv_train);
setField(pv_test, label, t_test);%% 设置参数
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/127931217 [2] https://blog.csdn.net/kjm13182345320/article/details/127418340
