4-1预测与回归

简介: 4-1预测与回归

灰色预测


p50


一、数据预处理


对数据进行预处理,消除数据波动变化;


xyuanshi=[0.18095 0.19382 0.18382 0.14627];
n=length(xyuanshi);
%%%%%%%对数据做均匀化处理%%%%%%
x(1)=(3*xyuanshi(1)+xyuanshi(2))/4;
x(n)=(3*xyuanshi(n)+xyuanshi(n-1))/4;
for i=2:(n-1)
  x(i)=(xyuanshi(i-1)+xyuanshi(i+1)+2*xyuanshi(i))/4;
end


数据预处理:标准化、归一化


标准化:Z标准化、min-max标准化(主成分分析)


Zscore


正向化:统一量纲


一个人的健康程度:


体重、身高、性别


kg、cm


有必要的情况下,可以


1.填补缺失值


2.剔除异常值


方法:


3.箱线图(matlab、SPSS)


4.规律剔除(excel:透视表)


人的年龄:0-120,,9999


1、2、3、100000、5、67


二、一次累加


x1(1)=x(1);
for i=2:n
    x1(i)=x1(i-1)+x(i);
end


0a2653c851af460fa595bd959398a8f1.png


三、求解参数


%生成并使用
for i=1:(n-1)
    x2(i)=(x1(i)+x1(i+1))/2; %生成累加矩阵
end
%计算待定参数的值
Y=x(2:n)';
B(:,1)=-x2';
B(:,2) = 1;
alph=(B'*B)^(-1)*B'*Y;


2d65d23f6d4748949b924e4057485923.png4cebaac233b3433da32a72337a77fc60.png


四、预测结果


X1end(1) = x1(1);
for i=2:(n + 1)   %只推测后1个数据,可以从此修改
    X1end(i)=(X1end(1) - (alph(2)/alph(1)) )*exp(-alph(1)*(i-1)) + alph(2)/alph(1);
end


6de278e6d6694ce5bb08e7e842b7e74b.png


五、计算相对误差


8ec4f2997fb246878c34ecd6d122b7c6.png

%Xlend:预测结果
%xend:实际相对误差
Xend(1) = X1end(1);   
for i=2:(n+1)   %只推测后1个数据,可以从此修改
    Xend(i)=X1end(i)-X1end(i-1); %得到预测出来的数据
end
Errorxd=(Xend(1:n)-x)./x;


回归分析


方法一


p72


方法二


p82


12c3b7f3f8814309a195c64f051d4445.png


lg10 -> ln


相关文章
|
3月前
|
机器学习/深度学习 算法
贝叶斯线性回归:概率与预测建模的融合
本文探讨了贝叶斯方法在线性回归中的应用,从不确定性角度出发,介绍了如何通过概率来表达变量间关系的不确定性。文章首先回顾了古希腊天文学家使用本轮系统模拟行星运动的历史,并将其与傅里叶级数分解方法类比,强调了近似的重要性。接着,通过高斯分布和贝叶斯推断,详细讲解了线性回归中的不确定性处理方法。文章使用Howell1数据集,展示了如何构建和拟合高斯模型,并通过先验预测模拟验证模型合理性。最后,介绍了多项式回归和样条方法,展示了如何逐步增加模型复杂性以捕捉更细微的数据模式。贝叶斯方法不仅提供了点估计,还提供了完整的后验分布,使得模型更具解释性和鲁棒性。
57 1
贝叶斯线性回归:概率与预测建模的融合
|
机器学习/深度学习 传感器 算法
【SVM回归预测】基于支持向量机的数据回归预测(libsvm)附matlab代码
【SVM回归预测】基于支持向量机的数据回归预测(libsvm)附matlab代码
|
8月前
|
机器学习/深度学习 数据采集 算法
乳腺癌预测:特征交叉+随机森林=成功公式?
乳腺癌预测:特征交叉+随机森林=成功公式?
97 0
乳腺癌预测:特征交叉+随机森林=成功公式?
|
8月前
广义线性模型glm泊松回归的lasso、弹性网络分类预测学生考试成绩数据和交叉验证
广义线性模型glm泊松回归的lasso、弹性网络分类预测学生考试成绩数据和交叉验证
|
8月前
|
机器学习/深度学习 算法 数据可视化
R语言逻辑回归和泊松回归模型对发生交通事故概率建模
R语言逻辑回归和泊松回归模型对发生交通事故概率建模
|
机器学习/深度学习 数据采集 算法
基于随机森林实现特征选择降维及回归预测(Matlab代码实现)
基于随机森林实现特征选择降维及回归预测(Matlab代码实现)
411 0
|
机器学习/深度学习 存储 索引
用4种回归方法绘制预测结果图表:向量回归、随机森林回归、线性回归、K-最近邻回归
用4种回归方法绘制预测结果图表:向量回归、随机森林回归、线性回归、K-最近邻回归
173 0
特征选择:回归,二分类,多分类特征选择有这么多差异需要注意
特征选择:回归,二分类,多分类特征选择有这么多差异需要注意
168 0
|
机器学习/深度学习 算法
线性回归模型-误差分析
线性回归模型-误差分析
179 0
|
机器学习/深度学习 传感器 算法
【NARX回归预测】基于NARX结合RNN实现光伏数据回归预测附matlab代码
【NARX回归预测】基于NARX结合RNN实现光伏数据回归预测附matlab代码

热门文章

最新文章