自学内容网 自学内容网

几个小创新模型,Transformer与SVM、LSTM、BiLSTM、Adaboost的结合,MATLAB分类全家桶再更新!...

截止到本期MATLAB机器学习分类全家桶,一共发了5篇,参考文章如下:

1.机器学习分类全家桶,模式识别,故障诊断的看这一篇绝对够了!MATLAB代码

2. 再更新,机器学习分类全家桶,模式识别,看这一篇绝对够了!MATLAB代码

3.2024年新算法优化CATBOOST参数实现分类,MATLAB与Python魔幻联动

4.10种2024新算法实现特征选择同时优化XGBOOST参数分类,MATLAB代码

5.MATLAB调用Python实现Lightgbm分类和2024新算法参数寻优,同时优化特征选择,新意十足

本期在全家桶内继续更新Transformer分类模型和几个Transformer与别的机器学习算法相结合的模型。具体包括:TRANSFORMER-SVM、TRANSFORMER-LSTM-Adaboost、TRANSFORMER-LSTM、TRANSFORMER-BiLSTM、TRANSFORMER 。

目前整个分类全家桶包含目录如下:

76538a09ead8a15cfae2d46a88cf45a3.png

注意,此全家桶代码包含了自注意力机制(selfAttentionLayer)和Transformer模型,该函数只有2023b及以上版本的matlab才有,因此请小伙伴自行下载2023b及其以上版本的matlab。

MATLAB2023b安装包下载链接:

https://pan.baidu.com/s/1lRI4T88INzSSaFMazVaSWA?pwd=618g

由于后期会不断更新,价格可能也会随之攀升,需要的小伙伴抓紧机会下手!

数据简述

案例数据:

本文采用的数据是将西储大学轴承数据进行VMD分解后,在智能算法优化VMD参数的基础上,提取最佳IMF分量的9个指标而构成的。分别是:均值,方差,峰值,峭度,有效值,峰值因子,脉冲因子,波形因子,裕度因子。更多关于数据的来源,可以看这篇文章:保姆级教程之VMD-CNN-BILSTM轴承故障诊断,MATLAB代码

但如果直接替换自己的数据,就没必要看了这个数据来源了。无非就是前9列是特征列,最后一列是标签列,只要你的数据也是这样的形式,就很好替换!

结果展示

每种方法的精度不一致,与自身的参数有关。

一般去调整,“隐含层节点个数,学习率,训练次数,正则化参数”。调整这几个参数,就完全够用了。现在结合一些智能优化算法优化这些机器学习预测的,也无非就是调整一下这几个参数而已。

这里的参数,作者只是调了个大概,不至于很差。对于精度差的,并不代表这个方法就不好!大家可以调整参数已达到更好的效果!

本期模型结果如下

TRANSFORMER-SVM

7169af3f7fe8f815c39a5716dd7297ee.png

TRANSFORMER-LSTM-Adaboost

c96d514d67f94dcd065541bdc45ba8a8.png

TRANSFORMER-LSTM

71eae12563b2a25a124a034c96fd4338.png

TRANSFORMER-BiLSTM

d95ff27c2a27e58d4e37d97c4a4d222c.png

TRANSFORMER :

16b76567c17ff5a0f0921e9fa8f8cd46.png

机器学习分类全家桶代码获取链接:

https://mbd.pub/o/bread/ZZqUlpxv

部分下载不了的可以跳转浏览器或者用电脑即可!

或点击下方阅读原文获取此全家桶。

承诺此全家桶一次购买,永久更新!

之前购买过的小伙伴,直接复制代码链接重新下载即可。


获取更多代码:

2c266012bba144f0b3aa8a87d0bfcdce.png

或者复制链接跳转:
https://docs.qq.com/sheet/DU3NjYkF5TWdFUnpu

原文地址:https://blog.csdn.net/woaipythonmeme/article/details/140703426

免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!