【2023年更新计划】matlab相关机器学习应用研究计划及进程
欢迎大家在评论区互动，可优先研究大家疑惑点较多的领域或方向。
一、区间/分位数预测
【已完成】lasso分位数回归
1.lasso分位数回归
2.CNN-LSTM分位数回归
3.Adaboost LstmAttention 分位数回归
4.ARIMA不同思路置信区间预测
二、回归/时间序列预测
【已完成】xgboost多输入多输出回归预测
【已完成】Catboost回归
【已完成】LSTM峰值检测【已完成】GAN回归预测
【已完成】KNN时间序列预测
【已完成】GWO-GMDH时间序列预测
【已完成】LSTM单列数据滑动窗口预测未来
【已完成】LSTM结合进化算法优化（增加优化层数、选择单双向等功能，结果稳定已操作）
1.Catboost回归
2.LSTM结合进化算法优化（增加优化层数、选择单双向等功能，结果稳定已操作）
3.LSTM多输入单输出预测未来
4.LSTM单列数据滑动窗口预测未来
5.SVR输入新数据预测
6.LSTM回归预测（应用于单调递增/递减数据）
7.LSTM峰值检测
8.CNN非工具箱输入新数据预测
9.GAN回归预测
三、分类预测
【已完成】xgboost多分类
【已完成】ssa-xgboost多分类
1.xgboost多分类
四、进化算法
【已完成】2023年进化算法不同优化思路对比
1.2023年进化算法不同优化思路对比
五、敏感性分析
1.sobol
六、插值
【已完成】LSTM / ANN中间插值APP。
【已完成】五种方法中间插值，空值/0值插值。
1.复杂数据插值运行程序（中间插值，空值/0值插值，首尾插值）
七、GUI封装
1.贝叶斯优化神经网络算法封装+GUI界面模板
2.多进化算法优化LSTM分类GUI
3.ARIMA封装（验证+预测未来+滚动预测更新模型）
4.敏感性分析方法封装+GUI
5.万能插值GUI
八、集成
【已完成】adaboost四弱分类器集成多分类。
1.多种模型集成对比
