当前位置: 首页 > article >正文

基于海鸥算法改进的随机森林回归算法 - 附代码

基于海鸥算法改进的随机森林回归算法 - 附代码

文章目录

  • 基于海鸥算法改进的随机森林回归算法 - 附代码
    • 1.数据集
    • 2.RF模型
    • 3.基于海鸥算法优化的RF
    • 4.测试结果
    • 5.Matlab代码
    • 6.Python代码

摘要:为了提高随机森林数据的回归预测准确率,对随机森林中的树木个数和最小叶子点数参数利用海鸥搜索算法进行优化。

1.数据集

数据信息如下:

data.mat 的中包含input数据和output数据

其中input数据维度为:2000*2

其中output数据维度为2000*1

所以RF模型的数据输入维度为2;输出维度为1。

2.RF模型

随机森林请自行参考相关机器学习书籍。

3.基于海鸥算法优化的RF

海鸥搜索算法的具体原理参考博客:https://blog.csdn.net/u011835903/article/details/107535864

海鸥算法的优化参数为RF中树木个数和最小叶子节点数。适应度函数为RF对训练集和测试集的均方误差(MSE),均方误差MSE越低越好。
f i n t e n e s s = M S E [ p r e d i c t ( t r a i n ) ] + M S E [ p r e d i c t ( t e s t ) ] finteness = MSE[predict(train)] + MSE[predict(test)] finteness=MSE[predict(train)]+MSE[predict(test)]

4.测试结果

数据划分信息如下: 训练集数量为1900组,测试集数量为100组

海鸥参数设置如下:

%% 定义海鸥优化参数
pop=20; %种群数量
Max_iteration=30; %  设定最大迭代次数
dim = 2;%维度,即树个数和最小叶子点树
lb = [1,1];%下边界
ub = [50,20];%上边界
fobj = @(x) fun(x,Pn_train,Tn_train,Pn_test,Tn_test);

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

从MSE结果来看,经过改进后的海鸥-RF明显优于未改进前的结果。

5.Matlab代码

6.Python代码


http://www.kler.cn/a/18131.html

相关文章:

  • Android 下内联汇编,Android Studio 汇编开发
  • 常见的噪声模型+图像中噪声模型的估计+常见的滤波方法(C++)
  • 使用docker-compose单点搭建社区版seafile+onlyoffice在线word编辑平台
  • 前端入门一之ES6--面向对象、够着函数和原型、继承、ES5新增方法、函数进阶、严格模式、高阶函数、闭包
  • 【系统架构设计师】真题论文: 论软件可靠性设计与应用(包括解题思路和素材)
  • .NET中通过C#实现Excel与DataTable的数据互转
  • 美句分享~程序员的放松时间~
  • 并发编程01:基础篇
  • Linux常用命令,你需要了解多少呢?
  • Java字符串的用法、原理、性能分析和总结
  • 杜甫经典长诗“三吏”“三别”赏析
  • FAST协议解析2 FIX Fast Tutorial翻译【PMap、copy操作符】
  • 代码随想录算法训练营day30 | 332. 重新安排行程,51. N 皇后,37. 解数独
  • Ubuntu22.04.2 LTS 安装nvidia显卡驱动及配置pytorch
  • David Silver Lecture 4: Model-Free Prediction
  • 【Java|golang】2432. 处理用时最长的那个任务的员工
  • ES堆内存:大小和交换
  • Mermaid流程图
  • .net7 通过 JsonTranscoding 实现 gRPC 与 Web API 一鱼两吃
  • 内网:定位域管理员
  • TokenGT:Transformer是强大的图学习器
  • java反序列化cc3链分析
  • docker基础命令
  • python基础实战7-字符串的format方法
  • 【观察】更懂业务的数智平台,才能应对数智化转型的“千变万化”
  • 5件关于JavaScript中this参数的事