HO-XGBoost河马算法优化极限梯度提升树多变量回归预测（Matlab）

HO-XGBoost河马算法优化极限梯度提升树多变量回归预测（Matlab）

预测效果

基本介绍

Matlab实现HO-XGBoost多变量回归预测，河马算法优化极限梯度提升树，优化最大迭代次数，深度，学习率。
河马优化算法（Hippopotamus Optimization Algorithm，HO)是一种群智能优化算法，HO算法是从河马观察到的固有行为中汲取灵感而构思的。该成果于2023年发表在知名SCI期刊、JCRQ1：Mathematics上。

1.data为数据集，7个输入特征，1个输出特征。
2.main.m为主程序文件，其他为函数文件，无需运行。运行环境为Matlab2018及以上，目前仅函数库支持windows系统。
3.命令窗口输出R2、MAE、MAPE和MSE。

程序设计

• 完整源码和数据获取方式私信回复HO-XGBoost河马算法优化极限梯度提升树多变量回归预测（Matlab）。

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行%%  划分训练集和测试集
P_train = res(1: num_train_s, 1: f_)';
T_train = res(1: num_train_s, f_ + 1: end)';
M = size(P_train, 2);P_test = res(num_train_s + 1: end, 1: f_)';
T_test = res(num_train_s + 1: end, f_ + 1: end)';
N = size(P_test, 2);%%  数据归一化
[P_train, ps_input] = mapminmax(P_train, 0, 1);
P_test = mapminmax('apply', P_test, ps_input);[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm=1001.2014.3001.5501