有关建设网站的问题,wordpress编辑器添加商品,大一网页设计实训总结,wordpress oauth认证【MATLAB第63期】基于MATLAB的改进敏感性分析方法IPCC#xff0c;拥挤距离与皮尔逊系数法结合实现回归与分类预测
思路
考虑拥挤距离指标与PCC皮尔逊相关系数法相结合#xff0c;对回归或分类数据进行降维#xff0c;通过SVM支持向量机交叉验证得到平均指标#xff0c;来…【MATLAB第63期】基于MATLAB的改进敏感性分析方法IPCC拥挤距离与皮尔逊系数法结合实现回归与分类预测
思路
考虑拥挤距离指标与PCC皮尔逊相关系数法相结合对回归或分类数据进行降维通过SVM支持向量机交叉验证得到平均指标来判定优化前后模型好坏 。 通过手动设置拥挤权重如拥挤权重0.3关联权重0.7来得到IPCC的各变量的特征值。
一、回归预测模型
clear all
warning(off,all);
%% 皮尔逊相关系数PCC
tic
load data
addpath(PCC)
ContributeRate0.9;
xtrain data(:,1:end-1);
ytrain data(:,end);
opts.Nf size(xtrain,2); % 选择因素数量
[m,n]size(xtrain); % m代表行 n代表列
%% 数据归一化
p_trainxtrain;
t_train ytrain;FS mypcc(p_train,t_train,opts); % 皮尔逊相关系数法 函数调用
sf_idx FS.sf;% 绘图 特征排序
extra()xpccyt(1:mm);%取前MM个数据%%-----------评估准确性
kfold5; % 交叉验证K值
Fitness1 Eval_regress(p_train(:, xpcc),t_train,kfold); %回归评估toc;disp(--------------PCC运行结果---------------)
disp([平均rmse值 num2str(Fitness1)]);
disp([ 总特征变量数量 num2str(n) ]);
disp([ 筛选的特征变量数量 num2str(mm) ]);
disp([筛选的特征变量编号为: num2str(xpcc)]) ;%% IPCC
tic;
%%--------拥挤阶段
%计算特征的拥挤/相关距离
c1 IPCC(p_train,t_train);%%--------对特征值进行排名
[res,ind]sort(c1,descend);
%%--------选择最重要的特征
W1c1;
plot2indfeatind(1:mm1);%%-----------评估准确性
kfold5; % 交叉验证K值
Fitness2 Eval_regress(p_train(:, indfeat),t_train,kfold); %回归评估
xipccyt1(1:mm1);toc;disp(--------------IPCC运行结果---------------)
disp([平均rmse值 num2str(Fitness2)]);
disp([ 总特征变量数量 num2str(n) ]);
disp([ 筛选的特征变量数量 num2str(mm1) ]);
disp([筛选的特征变量编号为: num2str(xipcc)]) ;历时 4.308931 秒。 --------------PCC运行结果--------------- 平均rmse值1.5093 总特征变量数量 30 筛选的特征变量数量 17 筛选的特征变量编号为: 4 17 15 18 24 27 22 23 16 28 30 29 20 21 5 25 19 历时 4.006288 秒。 --------------IPCC运行结果--------------- 平均rmse值1.4565 总特征变量数量 30 筛选的特征变量数量 24 筛选的特征变量编号为: 4 17 15 18 24 27 23 16 22 29 21 5 28 19 30 6 14 9 10 20 8 7 26 12 可见IPCC方法得到的特征变量的权重更加均匀 所对应达到累计90%贡献率的变量更多 平均rmse结果更优。
二、分类预测模型 classdataxlsread(‘数据集.xlsx’); ContributeRate0.9; xtrain classdata(:,1:end-1); ytrain classdata(:,end);
历时 13.706817 秒。
--------------PCC运行结果---------------
平均正确率acc72.8169%
总特征变量数量 12
筛选的特征变量数量 8
筛选的特征变量编号为: 5 8 9 3 6 7 12 11历时 1.660615 秒。
--------------IPCC运行结果---------------
平均正确率acc74.241%
总特征变量数量 12
筛选的特征变量数量 8
筛选的特征变量编号为: 5 6 8 9 3 11 7 12通过分类案例数据可得 IPCC特征选择方式更优准确率较高。
三、代码获取
后台私信回复“63期”其可获取下载方式。
