回归预测 | Matlab实现HPO-ELM猎食者算法优化极限学习机的数据回归预测

效果一览

基本介绍

Matlab实现HPO-ELM猎食者算法优化极限学习机的数据回归预测（完整源码和数据)
1.输入多个特征，输出单个变量回归；
2.算法新颖，包含评价指标MAPE、MAE、R2、MSE、RMSE等，出图多～
3.运行环境Matlab2018b及以上。

程序设计

• 完整程序和数据获取方式（资源出下载）：Matlab实现HPO-ELM猎食者算法优化极限学习机的数据回归预测。

% Constriction Coefeicient
B = 0.1;
%% Initialization
 HPpos=rand(nPop,d).*(ub-lb)+lb;
% for i=1:nPop
%     HPposFitness(i)=inf;
% end
    % Evaluate
for i=1:size(HPpos,1)
HPposFitness(i)=CostFunction(HPpos(i,:));       
end
% NFE = nPop;
 [~,indx] = min(HPposFitness);
% 
 Target = HPpos(indx,:);   % Target HPO
 TargetScore =HPposFitness(indx);
 Convergence_curve(1)=TargetScore;

%nfe = zeros(1,MaxIt);

————————————————
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kjm13182345320/article/details/127980325

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229