RF:随机森林指的是利用多棵树对样本进行训练并预测的一种分类器 RF善于处理高维数据,特征遗失数据,和不平衡数据 (1)训练可以并行化,速度快 (2)对高维数据集的处理能力强,它可以处理成千上万的输入变量,并确定最重要的变量,因此被认为是一个不错的降维方法。 (3)在训练集缺失数据时依旧能保持较好的精度(原因:...
LSTM 包含遗忘门､输入门和输出门[24] ,通过控制三个门的状态来更新细胞状态里的数据信息｡其计算过程如下: 📚2 运行结果 2.1 RF特征选择 2.2 LSTM预测 2.3 SSA-LSTM预测 2.4 MLP预测 2.5 几种算法比较 plt.rcParams['xtick.direction'] = 'in'plt.rcParams['ytick.direction'] = 'in'plt.figure(fi...