当前位置: 首页 > news >正文

网站关键词在哪北京网站制作定制

网站关键词在哪,北京网站制作定制,伊利集团的网站建设水平评价,成都市互联网协会网页设计1.梯度提升树在神经网络的应用 使用梯度提升树进行特征选择的好处在于可以得到特征的重要性分数,从而识别出对目标变量预测最具影响力的特征。这有助于简化模型并提高其泛化能力,减少过拟合的风险,并且可以加快模型训练和推理速度。此外&…

1.梯度提升树在神经网络的应用

        使用梯度提升树进行特征选择的好处在于可以得到特征的重要性分数,从而识别出对目标变量预测最具影响力的特征。这有助于简化模型并提高其泛化能力,减少过拟合的风险,并且可以加快模型训练和推理速度。此外,特征选择可以帮助理解数据,并为进一步的特征工程提供指导,有效地提高模型的预测性能。
        梯度提升树(GBT)是一种强大的监督学习算法,常用于回归和分类问题。通过利用多棵决策树的集成学习方式,GBT 能够捕获非线性关系、处理复杂的数据结构,并对特征之间的相互作用进行建模。因此,使用梯度提升树进行特征选择可以帮助构建更简洁、高效的模型,提高预测准确性,同时保持较好的解释性。

通俗点讲就是,用科学、合理的方法去除掉数据集中不需要的特征。常用在回归预测任务的数据集处理中(也就是N个输入特征,一个输出特征)。

2.代码实现

这一部分主要是进行环境设置。关闭了 MATLAB 的警告信息显示,关闭所有先前打开的图形窗口,清除了 MATLAB 工作区中的所有变量,并清空命令窗口。

warning off % 关闭警告信息显示
close all % 关闭所有图形窗口
clear % 清除工作区变量
clc % 清空命令窗口

这里是用 readtable 函数从名为 "01.csv" 的CSV文件中读取数据并将其存储在变量 data 中。如果数据文件不包含表头,则需要使用 readmatrix 函数。

data = readtable('01.csv'); % 如果数据文件不包含表头,请使用readmatrix函数

这段代码将数据拆分为特征和目标变量。其中 X 存储假设前 2000 行数据的前 6 列是特征,y 存储假设前 2000 行数据的最后一列是目标变量。

X = data{1:2000, 1:6}; % 假设前6列是特征
y = data{1:2000, 7};   % 假设最后一列是目标变量

这部分使用 fitensemble 函数构建了一个包含 100 棵树的 LSBoost 集成模型,用于回归任务。

ens = fitensemble(X, y, 'LSBoost', 100, 'Tree', 'Type', 'regression');

在这个部分中,计算了特征的重要性得分,并将其进行了归一化处理。然后将其显示出来。

featureImportance = predictorImportance(ens);
normalizedFeatureImportance = featureImportance / sum(featureImportance);
disp(normalizedFeatureImportance);

这一部分可视化了特征重要性得分,通过绘制条形图展示各个特征的重要性。

bar(normalizedFeatureImportance);
xlabel('特征');
ylabel('重要性得分');
title('特征重要性');

这一部分代码输出了最重要的四个特征,并重新设置了图表横坐标。(笔者的数据集格式为6个输入一个输出的风力发电机功率数据集)

topFeaturesNames = {'湿度', '真实风速', '气象风速', '风向', '温度', '气压'};
disp('最重要的特征是:');
disp(topFeaturesNames(topFeatures));
xticklabels(topFeaturesNames);

 3.运行结果

        运行结果如下(以笔者的风力发电机数据集为例):

 4.完整代码

%% 清空环境变量
warning off % 关闭警告信息显示
close all % 关闭所有图形窗口
clear % 清除工作区变量
clc % 清空命令窗口
% 读取CSV文件
data = readtable('01.csv'); % 如果数据文件不包含表头,请使用readmatrix函数% 将数据拆分为特征和目标变量
X = data{1:2000, 1:6}; % 假设前6列是特征
y = data{1:2000, 7};   % 假设最后一列是目标变量ens = fitensemble(X, y, 'LSBoost', 100, 'Tree', 'Type', 'regression');% 计算特征的重要性分数
featureImportance = predictorImportance(ens);
% 将特征的重要性得分归一化处理
normalizedFeatureImportance = featureImportance / sum(featureImportance);
disp(normalizedFeatureImportance);% 可视化特征重要性
bar(normalizedFeatureImportance);
xlabel('特征');
ylabel('重要性得分');
title('特征重要性');% 根据得分排序特征
[sortedImportance, sortedIdx] = sort(normalizedFeatureImportance, 'descend');
topFeatures = sortedIdx(1:4); % 选择最重要的四个特征% 输出最重要的特征
topFeaturesNames = {'湿度', '真实风速', '气象风速', '风向', '温度', '气压'};
disp('最重要的特征是:');
disp(topFeaturesNames(topFeatures));
% 重新设置图表横坐标
xticklabels(topFeaturesNames);
http://www.yayakq.cn/news/885988/

相关文章:

  • 如何做衣服销售网站外贸网站建设网站优化
  • 电子商务 网站开发二维码生成短链接
  • 有口碑的镇江网站优化足球比赛直播在哪看
  • 襄阳网站建设首选公司哪家好wordpress查看ftp服务器
  • 网站建设连接全球招商网加盟网
  • 东莞网站建设营销服务平台网站编程多少钱
  • 一个网站如何优化在线网页代理服务器
  • 建网站自己与租云服务器哪个好网站制作公司兴田德润怎么联系
  • 中国网站开发公司排名软件外包产生的背景和原因
  • 招聘网站开发价格wordpress底板版权
  • 河南定制网站建设报价网页qq网址
  • 微信制作网站平台网站建设有哪些
  • 家庭服务网站的营销策略网站开发电商项目的成本管理怎么写
  • 专业做中文网站网站建设合同 免责声明
  • wordpress迁移网站做网站公司有哪些
  • 淘宝电商网站怎么做怎样创建app
  • 企业建立网站的目的网页版微信读书
  • 濮阳网站建设熊掌网络高端网站建设公司哪家服务好
  • 搜索网站logo怎么做门户网站建设情况说明
  • 住房和城乡建设部建设司网站首页做网站学不需要做后台管理系统
  • 沈阳网站建设公众号对网站进行seo优化
  • 网站怎么才能被搜到落地页制作用什么软件
  • 建设网站那个平台好长沙建设工程造价网
  • 招聘网站建设需求o2o网站建设市场
  • 河东手机网站建设中国能源建设集团有限公司董事长
  • win7 asp.net网站架设个人网页设计大全
  • 企业网站建设指导思想推广平台大全
  • 兴化网站制作建设电影网站代码
  • 网站设计网址深圳市住建局官网平台
  • mvc做网站用的多不多做网站推广前途