读完需要
速读仅需 2 分钟
请尊重原创劳动成果
转载请注明本文链接
及文章作者：机器学习之心
点击阅读原文或复制以下链接到浏览器获取文章完整源码和数据：
摘要：北方苍鹰算法优化+创新改进Transformer！NGO-Transformer-LSTM多变量回归预测
1
基本介绍
1.Matlab NGO-Transformer-LSTM多变量回归预测，北方苍鹰算法（NGO）优化Transformer-LSTM组合模型（程序可以作为JCR一区级论文代码支撑，目前尚未发表）；
2.优化参数为：学习率，隐含层节点，正则化参数，运行环境为Matlab2023b及以上；
3.data为数据集，输入多个特征，输出单个变量，多变量回归预测，main.m为主程序，运行即可,所有文件放在一个文件夹；
4.命令窗口输出R2、MSE、RMSE、MAE、MAPE、MBE等多指标评价；
5.模型只是提供一个衡量数据集精度的方法，因此无法保证替换数据就一定得到您满意的结果。
购买后可加博主QQ1153460737咨询交流。注意：其他非官方渠道购买的盗版代码不含模型咨询交流服务，大家注意甄别，谢谢。
2
数据集
2.2
运行效果
完整代码链接：https://mbd.pub/o/bread/mbd-Z5iZm5pp
也可扫描二维码：
3
%% 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%% 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);%% 数据平铺P_train = double(reshape(P_train, f_, 1, 1, M));P_test = double(reshape(P_test , f_, 1, 1, N));t_train = t_train';t_test = t_test' ;%% 数据格式转换for i = 1 : Mp_train{i, 1} = P_train(:, :, 1, i);endfor i = 1 : Np_test{i, 1} = P_test( :, :, 1, i);end%% 参数设置options = trainingOptions('adam', ... % Adam 梯度下降算法'MaxEpochs', 100, ... % 最大训练次数'MiniBatchSize',64, ... %批大小，每次调整参数前所选取的样本数量'InitialLearnRate', Positions(1), ... % 初始学习率 best_lr'LearnRateSchedule', 'piecewise', ... % 学习率下降'LearnRateDropFactor', 0.5, ... % 学习率下降因子'LearnRateDropPeriod', 50, ... % 经过训练后 学习率'Shuffle', 'every-epoch', ... % 每次训练打乱数据集'ValidationPatience', Inf, ... % 关闭验证'L2Regularization', Positions(3), ... % 正则化参数'Verbose', false);%% 模型训练net = trainNetwork(p_train, t_train, lgraph, options);%% 仿真预测t_sim = predict(net, p_train);%% 计算适应度fitness = sqrt(sum((t_sim - t_train).^2) ./ length(t_sim));end
4
嗯，细心的你会发现：https://mbd.pub/o/slowtrain/work
博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析。科研课题模型定制/横向项目模型仿真/职称学术论文辅导/模型程序讲解均可联系本人唯一QQ1153460737（其他均为盗版，注意甄别）
技术交流群：购买博主任意代码或分享博主博文到任意三方平台后即可添加博主QQ进群
