回归预测 | Matlab实现BO-RF贝叶斯优化随机森林多变量回归预测

本文主要是介绍回归预测 | Matlab实现BO-RF贝叶斯优化随机森林多变量回归预测，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

回归预测 | Matlab实现BO-RF贝叶斯优化随机森林多变量回归预测

效果一览

基本介绍

1.Matlab实现BO-RF贝叶斯优化随机森林多变量回归预测；
2.输入7个特征，输出1个，即多输入单输出；
3.运行环境Matlab2018及以上,运行主程序main即可，其余为函数文件无需运行,所有程序放在一个文件夹,data为数据集；
4.优化随机森林树数目、叶子节点数，命令窗口输出RMSE、MSE、R2、MAPE等评价指标。

程序设计

• 完整程序和数据下载方式私信博主回复Matlab实现BO-RF贝叶斯优化随机森林多变量回归预测

clc
clear 
close all
rng('default');
%% 导入数据
%%  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%%  导入数据
res = xlsread('data.xlsx','sheet1');
%%  数据分析
num_size = 0.7;                              % 训练集占数据集比例
outdim = 1;                                  % 最后一列为输出
num_samples = size(res, 1);                  % 样本个数
res = res(randperm(num_samples), :);         % 打乱数据集（不希望打乱时，注释该行）
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);%% 归一化
% 训练集
[Pn_train,inputps] = mapminmax(P_train,-1,1);
Pn_test = mapminmax('apply',P_test,inputps);
% 测试集
[Tn_train,outputps] = mapminmax(T_train,-1,1);
Tn_test = mapminmax('apply',T_test,outputps);
Pn_train = Pn_train';
Pn_test = Pn_test';
Tn_train = Tn_train';
Tn_test = Tn_test';% 调整参数，考虑调整：
% 森林中树木的复杂程度（深度）。 深树倾向于过度拟合，而浅树倾向于欠拟合。 因此，指定每片叶子的最少观察数为20。
% 生长树木时，在每个节点上采样的预测变量的数量。 指定从1到所有预测变量的采样。

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129215161
[2] https://blog.csdn.net/kjm13182345320/article/details/128105718

这篇关于回归预测 | Matlab实现BO-RF贝叶斯优化随机森林多变量回归预测的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---