一键式机器学习！|一键实现上万种高效算法组合|轻松解决评价、降维、聚类、回归、分类、时序预测、多输入多输出问题_分类回归工具箱

前言

     写作业、打比赛、写论文，不会写代码怎么办？来看看神器系列的工具箱，只需要几键就可以实现评价、降维、聚类、回归、分类、单元时间序列预测、不可知未来特征的多元时间序列预测，可知未来特征的多元时间序列，多输入多输出问题等，且支持一键导出代码，后期可以修改代码，进一步修改和改进。

    神器系列自面世一年来不断改进，也已经有几千个用户了，已经有许多用户已经成功运用工具箱比赛获奖（九月份工具箱用户同学基本上都获得了建模国赛省级一等奖以上）、发专利、发论文啦，根据用户的需求，现在回归分类工具箱RCpredict工具箱和时序工具箱MTpredict工具箱已经升级到V4版本，降维聚类工具箱DrCluster和评价工具箱pingjia已经更新到V3版本了，回归工具箱能实现大概五万多种回归组合算法以及三万多组分类组合算法，时序预测工具箱保守估计能实现大概二十万多种预测组合算法，有挺多高引用论文复现赛法，能够解决四大类问题分别是单时序预测/不可知未来特征的多元时序预测/可知未来特征的多元时序预测/多输入多输出，而且我们今年参加数据竞赛，工具箱的组合算法能达到比较好的效果，取得了数万元的奖金！以后还会根据用户的需求不断改进功能、增加算法。

    工具箱导入数据后点几下就能实现，一行代码不会写的小白也完全适用，数据处理-模型建模-超参数自动调参（几乎所有算法都支持20种超参数调参方法-模型调用一站式处理。

评价工具箱【pingjia_v3】

    评价工具箱【pingjia_v3】现在已经升级到V3版本，以后还会根据用户的需求不断改进功能、增加算法。V3版本的工具箱支持一键导出代码，可以实现20种评价算法，除了前6种常用的评价算法，其余都是自研的新算法，现在有层次分析法、TOPSIS法、熵权法、变异系数法、CRITIC法、主成分分析法、熵权-秩和比法、变异系数-秩和比法、CRITIC-秩和比法、随机TOPSIS法、随机层次TOPSIS法、随机熵权TOPSIS法、随机变异系数TOPSIS法、层次-熵权法、层次-变异系数法、熵权-变异系数法、层次-熵权-变异系数法。

    附带详细的使用手册，里面有详细的使用方法以及工具箱内出现算法的公式原理。

降维聚类工具箱【Drcluster_v3】

    降维聚类工具箱【Drcluster_v3】现在已经更新到V3版本，支持一键导出代码，可以实现12种降维方法分别是nnmf、PCA、SVD、t-SNE、autoencoder、KPCA、SPCA、kernelPCA、MDS、isomap、SNE、autoencoder-EA，还有多种聚类方法kmeans聚类、kmedoid聚类、GMM高斯聚类、层次聚类、FCM聚类、ISODATA聚类、canopy聚类、kshape聚类、DBSCN聚类、谱聚类、14智能优化算法优化kmeans、优化kmedoid聚类、优化dbscn聚类、优化canopy聚类、优化kshape聚类。

   同时支持14智能优化算法优化kmeans、优化kmedoid聚类、优化dbscn聚类、优化canopy聚类、优化kshape聚类。

   可以实现任意维度的二维数据或者曲线聚类

  附带详细的使用手册，里面有详细的使用方法以及工具箱内出现算法的公式原理。

分类回归工具箱【RCpredict_v4】

     分类回归工具箱【RCpredict_v4】现在更新到V4版本支持一键导出代码、一键离散、字符类型数据处理、独热编码功能、四种离群点检测方法分别是3sigma、Zscore、箱线图、孤立森林检测法、六种特征选择方法分别是L1范数、L2范数、树模型、person相关性分析、spearman相关性分析、kendall相关性分析、七种特征变换方法分别是nnmf降维、PCA降维、MDS降维、SPE降维、t-SNE降维、KPCA降维、autoencoder降维。

   能够实现多种回归算法以及分类算法，能够组合出上万种方法，回归算法可以实现多元线性回归、多元LASSO回归、多元岭回归、LSBoost回归、XGBoost回归、高斯回归、高斯核回归、ELM回归、GRNN回归、GAM回归、决策树回归、随机森林回归、SVM回归、BP/MLP回归、LSTM回归、LSTM-attention回归、GRU回归、GRU-attention回归、CNN回归、BiLSTM回归、BiLSTM-attention回归、CNN-LSTM回归、CNN-LSTM-attention回归、CNN-GRU回归、CNN-GRU-attention回归、CNN-BiLSTM回归、CNN-BiLSTM-attention回归、CNN-LSTM-SE注意力机制回归、CNN-LSTM-GRU注意力机制回归、包括多种组合算法MLP-RF回归、MLP-DT回归、MLP-SVM回归、SVM-RF回归、优化MLP-RF回归、优化MLP-XGBoost回归、优化LSTM-XGBoost回归、优化LSTM-attention-XGBoost回归、优化BiLSTM-RF回归、优化BiLSTM-attention-RF回归、优化CBiLSTM-XGBoost回归、优化CBiLSTM-attention-XGBoost回归。

    分类方法能实现最近邻分类、贝叶斯分类、决策树分类、随机森林分类、SVM分类、BP/MLP分类、LSTM分类、LSTM-attention分类、GRU分类、GRU-attention分类、CNN分类、BiLSTM分类、BiLSTM-attention分类、CNN-LSTM分类、CNN-LSTM-attention分类、CNN-GRU分类、CNN-GRU-attention分类、CNN-BiLSTM分类、CNN-BiLSTM-attention分类、CNN-LSTM-SE注意力机制分类、CNN-LSTM-GRU注意力机制分类、MLP-RF分类、MLP-SVM分类、SVM-RF分类、优化MLP-RF分类、优化BiLSTM-attention-RF分类、优化CBiLSTM-XGBoost分类、优化CBiLSTM-attention-XGBoost分类。

   大部分算法支持超参数优化，包括贝叶斯优化以及19种智能优化算法包括SSA麻雀搜索算法、BDO蜣螂优化算法、SCA正余弦优化算法、SA模拟退火优化算法、PSO粒子群优化算法、SO蛇优化算法、POA鹈鹕优化算法、GWO灰狼优化算法、IGWO改进灰狼优化算法、AVOA非洲秃鹰优化算法、CSA变色龙优化算法、GTO大猩猩优化算法、NGO北方苍鹰优化算法、WSO白鲨优化算法，还有近两年新发（CGO混沌博弈优化算法、INFO加权向量均值优化算法、COA浣熊优化算法、RIME冰霜优化算法、KOA开普勒优化算法）

附带详细的使用手册，里面有详细的使用方法以及工具箱内出现算法的公式原理，一共两百多页。

多算法对比

   除了这么多简便的功能，新版本的工具箱让算法对比更加简便，不会搞得结果和文件乱七八糟到处都是，每次选择不同算法训练完后，结果会按照训练时间和算法名称自动保存在文件夹里面，当然也会保存训练好的模型，每一次运行的结果都记录下来

    套上我们独创的指标对比方法可视化程序后，直接得到以下结果图，这放在论文里面也是一点问题都没有

 

时序预测工具箱【MTpredict_v4】

   时序预测工具箱【MTpredict_v4】工具箱已经更新到V4版本，支持一键导出代码，可以实现单时间序列预测、可知未来特征的多元时间序列预测、不可知未来特征的多元时间预测以及非时间序列的多输入多输出序列预测。目前保守估计能实现大概二十万多种组合预测算法。

   数据处理部分可以实现数据缺失处理以及插值，特征处理方面有六种特征选择方法分别是L1范数、L2范数、树模型、person相关性分析、spearman相关性分析、kendall相关性分析、七种特征变换方法分别是nnmf降维、PCA降维、MDS降维、SPE降维、t-SNE降维、KPCA降维、autoencoder降维。有三种去噪方法VMD去噪、CWT去噪、NLM去噪，同时支持对序列进行分解再预测有VMD分解、EMD分解、EEMD分解、19种智能优化算法优化VMD分解、19种智能优化算法优化CEEMDAN分解。

    在算法层面能实现LSBoost算法、XGBoost算法、高斯核算法、GRNN算法、决策树算法、随机森林算法、SVM算法、BP/MLP算法、LSTM算法、LSTM-attention算法、GRU算法、GRU-attention算法、CNN算法、BiLSTM算法、BiLSTM-attention算法、CNN-LSTM算法、CNN-LSTM-attention算法、CNN-GRU算法、CNN-GRU-attention算法、CNN-BiLSTM算法、CNN-BiLSTM-attention算法,CNN-LSTM-SE注意力机制、CNN-GRU-SE注意力机制，TCN、TCN-LSTM、TCN-GRU、TCN-BiLSTM、还有多种组合算法 LSTM-XGB算法、 LSTM-attention-XGB算法、LSTM-SVM算法、LSTM-attention-SVM算法、CNN-XGBoost算法、CNN-BiLSTM-XGB算法、CNN-BiLSTM-attention-XGB算法、CNN-BiLSTM-RF算法、CNN-BiLSTM-attention-RF算法、优化LSTM-XGB算法、优化LSTM-attention-XGBoost算法、优化LSTM-SVM算法、优化LSTM-attention-SVM算法、优化CNN-XGBoost算法、CNN-BiLSTM-XGB算法、优化CNN-BiLSTM-attention-XGBoost算法、优化CNN-BiLSTM-RF算法、优化CNN-BiLSTM-attention-RF算法。

 大部分算法支持超参数优化，包括贝叶斯优化以及19种智能优化算法包括SSA麻雀搜索算法、BDO蜣螂优化算法、SCA正余弦优化算法、SA模拟退火优化算法、PSO粒子群优化算法、SO蛇优化算法、POA鹈鹕优化算法、GWO灰狼优化算法、IGWO改进灰狼优化算法、AVOA非洲秃鹰优化算法、CSA变色龙优化算法、GTO大猩猩优化算法、NGO北方苍鹰优化算法、WSO白鲨优化算法。还有近两年新发（CGO混沌博弈优化算法、INFO加权向量均值优化算法、COA浣熊优化算法、RIME冰霜优化算法、KOA开普勒优化算法）

 

      新版工具箱训练完后可以直接得到预测结果，单时序预测和不可知未来特征的多元时序预测，不需要借助未来的特征，因此在训练过程中，可以直接得到预测的结果。因此可以放心使用序列分解，因为根本不需要未来信息去预测，因此不会存在数据泄露的问题。对于可知未来特征的时序预测的序列分解可能会存在这个问题，其实很多问题分解之后反而不如没有分解的，因此要以数据导向，不要盲目跟风，多试方法才知道数据适合什么。

    预测点个数和自己设置的个数有关，这里会构造滑动窗口可能会要求训练数据不能太少，如果想用比较少的数据预测未来很多个点，可以把得到的预测值带入到真实值然后再训练预测

多算法对比

    同样，我们也开发了一套结果对比图，方便大家直接对比多个算法结果，直接把训练好保存的训练文件数据导入就可以得到结果，可以说，你想对比什么算法都可以轻松的对比，在example_timepre.m里面，给大家提供  

附带详细的使用手册，里面有详细的使用方法以及工具箱内出现算法的公式原理。

获取方式

    在公众号【Lvy的口袋】回复关键词【工具箱】获取

    或者看公众号的主栏页~