Adaboost方法不僅可以用語(yǔ)設(shè)計(jì)強(qiáng)分類器，還可以用于設(shè)計(jì)強(qiáng)預(yù)測(cè)器。

強(qiáng)預(yù)測(cè)器設(shè)計(jì)思路與強(qiáng)分類器設(shè)計(jì)類似，都是先富裕測(cè)試樣本權(quán)重，然后根據(jù)弱預(yù)測(cè)器預(yù)測(cè)結(jié)果調(diào)整測(cè)試樣本權(quán)重并確定弱預(yù)測(cè)器權(quán)重，最后把弱預(yù)測(cè)器序列作為強(qiáng)預(yù)測(cè)器。不同的是在強(qiáng)預(yù)測(cè)器中增加預(yù)測(cè)錯(cuò)類別樣本的權(quán)重，增加預(yù)測(cè)誤差超過(guò)閥值的樣本權(quán)重。

仍然預(yù)測(cè)之前預(yù)測(cè)的函數(shù)

%% 清空環(huán)境變量

clc

clear

%% 下載數(shù)據(jù)

load data1 input output

%% 權(quán)重初始化

k=rand(1,2000);

[m,n]=sort(k);

%訓(xùn)練樣本

input_train=input(n(1:1900),:)';

output_train=output(n(1:1900),:)';

%測(cè)試樣本

input_test=input(n(1901:2000),:)';

output_test=output(n(1901:2000),:)';

%樣本權(quán)重

[mm,nn]=size(input_train);

D(1,:)=ones(1,nn)/nn;

%訓(xùn)練樣本歸一化

[inputn,inputps]=mapminmax(input_train);

[outputn,outputps]=mapminmax(output_train);

K=10;

for i=1:K

    %弱預(yù)測(cè)器訓(xùn)練

    net=newff(inputn,outputn,5);

    net.trainParam.epochs=20;

    net.trainParam.lr=0.1;

    net=train(net,inputn,outputn);

    %弱預(yù)測(cè)器預(yù)測(cè)

    an1=sim(net,inputn);

    BPoutput=mapminmax('reverse',an1,outputps);

    %預(yù)測(cè)誤差

    erroryc(i,:)=output_train-BPoutput;

    %測(cè)試數(shù)據(jù)預(yù)測(cè)

    inputn1=mapminmax('apply',input_test,inputps);

    an2=sim(net,inputn1);

    test_simu(i,:)=mapminmax('reverse',an2,outputps);

    %調(diào)整D值

    Error(i)=0;

    for j=1:nn

        if abs(erroryc(i,j))>0.2  %較大誤差

            Error(i)=Error(i)+D(i,j);

            D(i+1,j)=D(i,j)*1.1;

        else

            D(i+1,j)=D(i,j);

        end

    end

    %計(jì)算弱預(yù)測(cè)器權(quán)重

    at(i)=0.5/exp(abs(Error(i)));

    %D值歸一化

    D(i+1,:)=D(i+1,:)/sum(D(i+1,:));

end

%% 強(qiáng)預(yù)測(cè)器預(yù)測(cè)

at=at/sum(at);

%% 結(jié)果統(tǒng)計(jì)

%強(qiáng)分離器效果

output=at*test_simu;

error=output_test-output;

plot(abs(error),'-*')

hold on

for i=1:8

error1(i,:)=test_simu(i,:)-output;

end

plot(mean(abs(error1)),'-or')

title('強(qiáng)預(yù)測(cè)器預(yù)測(cè)誤差絕對(duì)值','fontsize',12)

xlabel('預(yù)測(cè)樣本','fontsize',12)

ylabel('誤差絕對(duì)值','fontsize',12)

legend('強(qiáng)預(yù)測(cè)器預(yù)測(cè)','弱預(yù)測(cè)器預(yù)測(cè)')