将四种算法的预测结果绘制在一张图中

​       声明:文章是从本人公众号中复制而来,因此,想最新最快了解各类智能优化算法及其改进的朋友,可关注我的公众号:强盛机器学习,不定期会有很多免费代码分享~ 

        之前的一期推文中,我们推出了Attention模型全家桶。将CNN/TCN/LSTM/BiGRU-Attention四种多变量回归模型打包到全家桶中,方便大家选择最适合自己数据的模型。

CNN/TCN/LSTM/BiGRU-Attention到底哪个模型效果最好?注意力机制全家桶来啦!一次购买永久更新!

        这个全家桶中,四个模型是以四个文件的形式分别运行的。最近,后台有小伙伴提出,想要将四种模型统一放在一张图中,方便进行对比,选择最适合自己数据的模型,也方便把对比图放在论文里,提升美观度。

        因此,本期推文给大家带来将四种预测模型的结果放在一张图中的代码文件,此份代码已直接加入到先前的全家桶中,之前已经购买过全家桶的小伙伴可直接免费下载。

        为了保证此次实验的公平性,四种模型统一选用2019年3月某地的一个风电功率数据集,这是一个典型的多变量时间序列数据集,特征包括风速、温度、气压等等,15min一个点。同时,设置延时步长(即滑动窗口)为3。

        当然,如果有小伙伴想要更换自己的数据,只需最后一列放想要预测的列,其余列放特征即可,无需更改代码(时间不用放,因为程序不会读取时间),非常方便。

        另外,在模型超参数方面,统一设置最大迭代次数为100,Adam 梯度下降算法,初始学习率为0.01,其余参数均为默认参数。

        废话不多数,首先直接看下效果图。

        上图是与真实值的对比,肯定是越贴近真实值越好。这里因为四种模型预测精度都比较高,所以都非常贴近。

        这是四种模型的误差柱状图,包括MAE、MAPE、RMSE,每种模型都用了不同的颜色区分,非常美观。由于横轴的三种误差指标均是越小越好,因此柱状图的柱子越短,说明模型误差越小,性能越好。

        花里胡哨的图来了,越花里胡哨吧,就越容易吸引审稿人。这种带箭头的叫雷达图,每个模型都被分配到了雷达的不同位置。至于怎么看,就是箭头越短,说明模型的误差越小。

        这是雷达图的第二种形式,将所有误差指标和模型放到了一个雷达中。具体来说,越靠近圆心,则表明模型的误差越小,性能越好。

        当你论文篇幅不够的时候,也可以多放些图来补充工作量,上面这个图姑且叫做二维坐标图,横轴为误差指标MAE,纵轴为R2,R2肯定越大越好,而MAE肯定越小越好。因此,图中点越靠近左上方,表明模型的性能越好,而越靠近右下角,则说明模型的预测效果越差。

        最后,运行完成后控制台中会显示各个模型的误差与预测指标。

        总体上看,四种模型整体性能差异不大,LSTM-Attention模型稍弱一些,而CNN-Attention相对来说更好一些,但这也有可能是随机数的差异。同时,由于深度学习天然的黑箱特性,也不绝对的得到其中一个模型一定好于另一个模型的结论。

        关键是,要把自己的数据集代入,看看到底哪个模型适配你的数据集。在没有尝试之前,没有任何人能给出你哪个模型最好的答案。

        另外也想提醒大家的一点是,如果一个模型效果不佳,并不代表这个模型没有任何用处,大家在写论文的时候,完全可以把它当作对比模型进行对比,从而增强文章所选模型的说服力。

        以上所有图片,均可全部运行出图。文件夹内文件也非常清晰,四种模型分成了四个main文件,并保存相应预测值到mat文件。

        如需将四种算法的预测结果绘制到一张图中,则运行plotFigure文件即可,非常适合新手小白。

        想要以上Matlab代码(包含风电数据集)的,只需点击下方小卡片,再后台回复关键词:

注意力全家桶

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/18831.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

RPA在抖音等短视频创作开发的应用

相较于一般人对Ai的漠视或仅仅停留在逗比对话而言,在凭此谋生的专业的行当,或AI应用相对宽泛的领域。融合Ai的自动化辅助办公(创作、演示等)的进步日新月异,这方面的知识还是应尽快了解。 RPA是Robotic process autom…

【ROS2问题记录】ros2 bag play xx.db3失败

报错内容: nvidiaoceanstar:~/yolov8_ros2-Tensorrt$ ros2 bag play rosbag2_2024_04_24-13_55_03_0.db3 /opt/ros/foxy/bin/ros2:6: DeprecationWarning: pkg_resources is deprecated as an API. See https://setuptools.pypa.io/en/latest/pkg_resources.html fr…

NoSQL是什么?NoSQL数据库存在SQL注入攻击?

一、NoSQL是什么? NoSQL(Not Only SQL)是一种非关系型数据库的概念。与传统的关系型数据库不同,NoSQL数据库使用不同的数据模型来存储和检索数据。NOSQL数据库通常更适合处理大规模的非结构化和半结构化数据,且能够…

CPU对代码执行效率的优化,CPU的缓存、指令重排序

目录 一、CPU对代码执行效率的优化 1. 指令流水线(Instruction Pipelining) 2. 超标量架构(Superscalar Architecture) 3. 动态指令重排序(Dynamic Instruction Reordering) 4. 分支预测(…

【RuoYi】使用代码生成器完成CRUD操作

一、前言 前面,介绍了如何下载和启动我们的RuoYi框架。为了让小伙伴们认识到ruoyi的强大,那么这篇博客就介绍一下如何使用ruoyi的代码生成器,自动生成前端页面以及后端的对应数据库表的CRUD操作!!!真的很强…

LWIP_TCP 协议

目录 1 TCP 协议简介 1.1 TCP 协议简介 1.2 TCP 的建立连接 1.3 TCP 终止连接 1.4 TCP 报文结构 1.5 lwIP 的 TCP 报文首部数据结构 1.6 lwIP 的 TCP 连接状态图 1 TCP 协议简介 1.1 TCP 协议简介 TCP(Transmission Control Protocol 传输控制协议&#xff0…

MySQL实战行转列(或称为PIVOT)实战sales的表记录了不同产品在不同月份的销售情况,进行输出

有一个sales的表,它记录了不同产品在不同月份的销售情况: productJanuaryFebruaryMarchProduct AJanuary10Product AFebruary20Product BJanuary5Product BFebruary15Product CJanuary8Product CFebruary12 客户需求展示为如下的样子: pro…

斯坦福报告解读4:图解有趣的推理基准(中)

《人工智能指数报告》由斯坦福大学、AI指数指导委员会及业内众多大佬Raymond Perrault、Erik Brynjolfsson 、James Manyika等人员和组织合著,该报告已被公认为最权威、最具信誉人工智能数据与洞察来源之一。 2024年版《人工智能指数报告》是迄今为止最为详尽的一份…

linux下常用的终端命令

文章目录 1. MV移动文件、重命名文件1.1 移动文件:mv [选项] 源文件或目录 目标文件或目录1.2 文件重命名 2. 查找:文件,内容,统计文件2.1 find查找文件2.2 Linux查找文件内容 3. 查看当前用户4. linux修改文件所属用户和组5. 复制…

Token验证流程、代码示例、优缺点和安全策略,一文告诉你。

Token和Session都是用于身份验证和授权的机制,而且Token渐渐成为主流,有不少小伙伴对token的认识不全,这里给大家分享下。 一、什么是Token Token是一种用于身份验证和授权的令牌,通常用于在客户端和服务器之间进行安全的通信。…

SQLITE存储时间数据报警语法错误,syntax error

使用sqllite数据库,有一个时间数据current_time需要插入表中,如下 current_time time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()) 不能直接将时间戳格式化为字符串并嵌入到SQL语句中,如下: sql f"INSER…

工程文档CAD转换必备!快速将 DWG 转换到 PNG ~

Aspose.CAD 是一个独立的类库,以加强Java应用程序处理和渲染CAD图纸,而不需要AutoCAD或任何其他渲染工作流程。该CAD类库允许将DWG, DWT, DWF, DWFX, IFC, PLT, DGN, OBJ, STL, IGES, CFF2文件、布局和图层高质量地转换为PDF和光栅图像格式。 Aspose AP…

gradio image 类型

3种类型,默认是 numpy.array numpy.array PIL.Image str file path. 互相转换 # 从路径到 numpy.ndarray import cv2 image_mask cv2.imread(imagePath) print(type(image_mask))# 从路径到 PIL.IMAGE from PIL import Image image_maskImage.open(imagePath) pri…

【Chrono Engine学习总结】6-创建自定义场景-6.1-3D场景获取

由于Chrono的官方教程在一些细节方面解释的并不清楚,自己做了一些尝试,做学习总结。 Chrono可以导入自定义的三维模型,所以想自己搭建一个3D仿真环境。过程中遇到了一些问题,记录与整理。 1、3D环境的创建方法 Chrono的Irrlich…

大数据模型应用领域

大数据模型的应用领域广泛,涉及多个行业和领域,其主要应用领域包括但不限于以下几个方面: 金融领域: 金融风控:大数据模型可以通过对大量数据的建模和分析,有效提高风险控制能力,识别潜在的风险…

Llama 3-V: 比GPT4-V小100倍的SOTA

大模型技术论文不断,每个月总会新增上千篇。本专栏精选论文重点解读,主题还是围绕着行业实践和工程量产。若在某个环节出现卡点,可以回到大模型必备腔调重新阅读。而最新科技(Mamba,xLSTM,KAN)则提供了大模…

只需三步,使用 KRaft 建立多节点 Kafka 集群

Apache Kafka是一个用 Java 编写的开源分布式事件和流处理平台,用于处理要求苛刻的实时数据馈送。它本质上是可扩展的,具有高吞吐量和高可用性。其设计也具有容错性,每个集群可支持数百个节点。 在本教程中,你将创建一个 Kafka 集…

ECP5701 做为PD受电端取电sink芯片,可广泛应用在带锂电的终端设备上,例如电动工具,照明灯具,音箱设备,摄影设备,筋膜枪小家电等

随着科技的发展,USB-C接口逐渐成为手机、平板电脑、小型家电等新型电子设备的主流接口,相较于过去繁杂的传统接口,USB-C不仅简化了消费者的使用体验,也降低了制造商的生产成本。特别是随着PD协议的普及,Type-C接口因其…

设计以容错:应对失败的12种关键设计思想

"Design for Failure" 这一说法在产品设计、软件开发和系统架构中并不常见,因为它通常与追求成功和可靠性的目标相悖。然而,如果我们从另一个角度来理解它,即“设计以应对失败”或“设计以容错”,那么以下是12种常见的设…