回归预测 | MATLAB实RVM相关向量机多输入单输出回归预测

预测效果

在这里插入图片描述

基本介绍

RVM-Adaboost相关向量机集成学习多输入单输出回归预测是一种先进的机器学习方法，用于处理多输入单输出的回归预测问题。
相关向量机是一种基于稀疏贝叶斯方法的机器学习算法，主要用于分类和回归任务。与传统的支持向量机（SVM）相比，RVM具有更稀疏的解，即它仅选择少数的关键样本点作为支持向量，从而降低了模型的复杂度和计算量，并提升了泛化能力。RVM通过最大化模型证据来学习超参数和权重，并提供预测的不确定性估计，这使得它在处理复杂数据时具有更高的准确性和鲁棒性。

程序设计

完整代码：MATLAB实RVM相关向量机多输入单输出回归预测

%%  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  
addpath(genpath(pwd))
%% 导入数据
data =  readmatrix('day.csv');
data = data(:,3:16);
res=data(randperm(size(data,1)),:);    %此行代码用于打乱原始样本，使训练集测试集随机被抽取，有助于更新预测结果。
num_samples = size(res,1);   %样本个数


% 训练集和测试集划分
outdim = 1;                                  % 最后一列为输出
num_size = 0.7;                              % 训练集占数据集比例
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


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);

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/128267322?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/128234920?spm=1001.2014.3001.5501