adaboost单步预测数据分析

前言

1. LSTM 航空乘客预测单步预测的两种情况。 简单运用LSTM 模型进行预测分析。
2. 加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制，将两者进行结合预测。
3. 多层 LSTM 对航空乘客预测 简单运用多层的LSTM 模型进行预测分析。
4. 双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。
5. MLP多层感知器 对航空乘客预测简化版 使用MLP 对航空乘客预测
6. CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。
7. ConvLSTM 航空乘客预测采用ConvLSTM 航空乘客预测
8. LSTM的输入格式和输出个数说明 中对单步和多步的输入输出格式进行了解释
9. LSTM 单变量多步预测航空乘客简单版
10. LSTM 单变量多步预测航空乘客复杂版
11. LSTM 多变量单步预测空气质量（1—》1） 用LSTM 前一个数据点的多变量预测下一个时间点的空气质量
12. LSTM 多变量单步预测空气质量（3 —》1） 用LSTM 前三个数据点的多变量预测下一个时间点的空气质量
13. 麻雀算法SSA优化LSTM超参数
14. 蚁群算法ACO优化LSTM超参数
15. 粒子群算法PSO优化LSTM超参数
16. PyTorch LSTM单步预测

本文主要研究树模型adaboost对数据进行单步预测

adaboost

主要代码如下，不对模型进行简要介绍

from sklearn.ensemble import AdaBoostRegressor

# 带AdaBoost算法的决策树回归模型进行拟合：
ab_regressor =AdaBoostRegressor(DecisionTreeRegressor(max_depth=4), n_estimators=400, random_state=7)
ab_regressor.fit(X_train, y_train)
#评价一下AdaBoost算法改善的效果：
y_pred_ab = ab_regressor.predict(X_test) 
mse = mean_squared_error(y_test, y_pred_ab) 
evs = explained_variance_score(y_test, y_pred_ab) 
print("\n#### AdaBoost performance ####")
print("Mean squared error =", round(mse, 2)) 
print("Explained variance score =", round(evs, 2))

备注

需要源代码和数据集,或者想要沟通交流,请私聊,谢谢.