基于matlab的Catboost多输入单输出分类预测模型 catboost-1.1.1版本

运行环境

windows10 matlab2020a
catboost版本：catboost-1.1.1
往期：
【MATLAB第20期】基于matlab的Catboost多输入单输出回归预测模型 catboost-1.1.1版本

一、导入数据

采用12输入，1输出，4分类，共357组数据，其中240个数据训练，117个数据测试。

%%  导入数据
res = xlsread('分类数据集.xlsx');%%  划分训练集和测试集
temp = randperm(357);
train_num=240;% 训练数量P_train = res(temp(1: train_num), 1: 12)';
T_train = res(temp(1: train_num), 13)';
M = size(P_train, 2);P_test = res(temp(train_num+1: end), 1: 12)';
T_test = res(temp(train_num+1: end), 13)';
N = size(P_test, 2);

二、数据归一化

%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test  = mapminmax('apply', P_test, ps_input);

三、建立catboost模型

fit1=table(Ypred1,'VariableNames',{'RawFormulaVal'});
fit2=table(Ypred2,'VariableNames',{'RawFormulaVal'});writetable(fit1,'fit1.txt');
writetable(CD,'trainlabel.txt');
writetable(traindata,'traindata.txt');
command1 = 'catboost-1.1.1.exe fit % Catboost训练集拟合fit函数创建
status1 = system(command1)writetable(fit2,'fit2.txt');
writetable(CD,'testlabel.txt');
writetable(testdata,'testdata.txt');
command2 = 'catboost-1.1.1.exe fit % Catboost测试集拟合fit函数创建
status2 = system(command2)

Catboost常见参数设置

%params={"iterations":43, %迭代次数%"learning_rate":.001,%初始学习率%"cat_features":cat_feature,%  "depth":8,% "verbose":50,% "od_type":"Iter",#overfit detector.%"od_wait":50,%"eval_metric":"AUC",% "random_seed":SEED}

四、预测仿真

Catboost模型将非线性回归的拟合结果进行预测拟合，得到残差值（预测结果-非线性回归拟合）

Pred1=A1.RawFormulaVal;% Catboost训练集残差拟合结果
Pred1=Ypred1+Pred1;%Catboost训练集预测结果
YPRED1 = round(Pred1); %回归结果转分类结果
Y1=T_train;Pred2=A2.RawFormulaVal;% Catboost测试集残差拟合结果
Pred2=Ypred2+Pred2;%Catboost测试集预测结果
YPRED2 =round(Pred2);%回归结果转分类结果
Y2=T_test;

五、分类结果修正

因回归代码改分类，round函数转分类结果时，标签可能会新增，则需要通过代码进行判定，对错误结果进行修正。此处代码略。

六、预测结果

七、代码下载链接获取

后台私聊回复“第86期”可获取下载链接。限制获取，仅针对“第20期”客户。