独家首发 | Matlab实现SVM-Transformer多变量回归预测

独家首发 | Matlab实现SVM-Transformer多变量回归预测

效果一览

基本介绍

1.Matlab实现SVM-Transformer多变量回归预测，SVM递归特征消除+Transformer多输入单输出回归预测；

2.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；

程序设计

• 完整程序和数据下载私信博主回复独家首发 | Matlab实现SVM-Transformer多变量回归预测。

%%  输出选择特征的对应序号
disp('经过特征选择后，保留特征的序号为：')
disp(save_index)

%%  特征选择后的数据集
p_train = p_train(:, save_index);
p_test  = p_test (:, save_index);

%%  矩阵转置适应模型
p_train = p_train'; p_test = p_test';
t_train = t_train'; t_test = t_test';

%%  数据平铺
%   将数据平铺成1维数据只是一种处理方式
%   也可以平铺成2维数据，以及3维数据，需要修改对应模型结构
%   但是应该始终和输入层数据结构保持一致
vp_train =  double(reshape(p_train, k, 1, 1, M));
vp_test  =  double(reshape(p_test , k, 1, 1, N));

t_train = t_train';
t_test  = t_test' ;

%%  数据格式转换
for i = 1 : M
    lp_train{i, 1} = vp_train(:, :, 1, i);
end

for i = 1 : N
    lp_test{i, 1}  = vp_test( :, :, 1, i);
end

%%  创建模型
%网络搭建
numChannels = k;
maxPosition = 256;
numHeads = 4;
numKeyChannels = numHeads*32;

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502