RMSE最低，表示模型的预测性能最好，与实际观测值的接近程度最高。从7个特征中选出最优特征的前五个...
我看超平面要使W的平方最小，那是不是就权重越小，这个特征分类能力就越强呢，可是文献都是权重越小...
均方根误差RMSEP为: 0.39765 决定系数R^2为: 0.93392 剩余预测残差RPD为: 4.2631 平均绝对百分比误差MAPE为: 0.0032299 研究内容 基于SVM-RFE-BP的特征选择算法结合BP神经网络的多输入单输出回归预测是一种结合了支持向量机递归特征消除(SVM-RFE)和反向传播(BP)神经网络的方法。下面是算法的基本步骤: 数据准备:准备...
(-r|u-v|^2) 3 –sigmoid:tanh(r*u'v + coef0) 经过特征选择后,保留特征的序号为: 126 160 161 163 165 166 237 239 240 370 评价结果如下所示: 平均绝对误差MAE为:0.27933 均方误差MSE为: 0.15813 均方根误差RMSEP为: 0.39765 决定系数R^2为: 0.93392 剩余预测残差RPD为: 4.2631 平均绝对百分比...
Further, the SVM-RFE feature selection algorithm could effectively improve the model accuracy, and the extreme gradient boosting (XGBoost) model after SVM-RFE feature selection had the best prediction results (R2 = 0.68, MAE = 0.16, RMSE = 0.26). This paper combines the RFE-SVM feature ...