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
摘要：爱在深秋！故障诊断新模型！MIC-Transformer-Adaboost多特征分类预测/故障诊断
1
基本介绍
MIC（Maximal Information Coefficient）最大信息系数，是检测变量之间非线性相关性的新方法。它的值域在 0 和 1 之间，值越高表示相关性越强。
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-Zp2amppw
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%% 读取数据res = xlsread('data.xlsx');%% 分析数据num_class = length(unique(res(:, end))); % 类别数（Excel最后一列放类别）num_dim = size(res, 2) - 1; % 特征维度num_res = size(res, 1); % 样本数（每一行，是一个样本）num_size = 0.7; % 训练集占数据集的比例res = res(randperm(num_res), :); % 打乱数据集（不打乱数据时，注释该行）flag_conusion = 1; % 标志位为1，打开混淆矩阵（要求2018版本及以上）%% 设置变量存储数据P_train = []; P_test = [];T_train = []; T_test = [];%% 划分数据集for i = 1 : num_classmid_res = res((res(:, end) == i), :); % 循环取出不同类别的样本mid_size = size(mid_res, 1); % 得到不同类别样本个数mid_tiran = round(num_size * mid_size); % 得到该类别的训练样本个数P_train = [P_train; mid_res(1: mid_tiran, 1: end - 1)]; % 训练集输入T_train = [T_train; mid_res(1: mid_tiran, end)]; % 训练集输出P_test = [P_test; mid_res(mid_tiran + 1: end, 1: end - 1)]; % 测试集输入T_test = [T_test; mid_res(mid_tiran + 1: end, end)]; % 测试集输出end%% 得到训练集和测试样本个数M = size(P_train, 2);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 = categorical(T_train)';t_test = categorical(T_test )';%% 格式转换for i = 1 : Mp_train{i, 1} = P_train(:, i);endfor i = 1 : Np_test{i, 1} = P_test(:, i);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
