文件名称：xgboost代码回归matlab-CS229_Project:通过遥感CNN功能预测贫困
文件大小：112.99MB
文件格式：ZIP
更新时间：2024-06-15 16:27:25
系统开源
xgboost代码回归matlab 通过遥感CNN功能预测贫困 入门 对于此项目，我们提供了使用遥感CNN功能进行贫困预测的研究。 通过从CNN提供的4096个特征中精心选择特征，我们训练了一个模型，该模型可以比使用夜灯强度更好地预测财富指数。 我们分两部分进行研究，即特征选择和模型训练。 我们使用基于相关性，基于套索的和正向搜索方法来选择特征。 我们使用线性回归，岭回归，Lasso回归和XGBoost来训练我们的模型并比较性能。 您可以使用我们提供的代码来完成此过程。 先决条件 使用MATLAB提供的内置函数来开发特征选择方法和基本回归模型。 “ all_countries_dhs.mat”是包含所有训练数据和训练集的文件。 要在Python中运行XGBoost代码和VAE代码，您需要： Python 2.7 正在安装 请参考上面的链接，了解如何安装依赖项。 对于MacOS，如果您在计算机上安装了pip，则可以执行以下操作： pip install xgboost pip install -U scikit-learn python -m pip install --user num
【文件预览】：
CS229_Project-master
----testxgboost.py(7KB)
----feature_lasso_ultimate.mat(730B)
----.gitattributes(66B)
----load_data.m(511B)
----Feature_forward_314.mat(773B)
----features_correlation.mat(217B)
----NGdhs.mat(25.16MB)
----Regression Code()
--------Linear reg()
--------Ridge reg()
--------Lasso reg()
----intersect_union.mat(4KB)
----Milestone.pdf(478KB)
----VAEdhs.py(6KB)
----PCA_select.txt(848B)
----Features_from_Super_Big_Lasso_67-33.mat(730B)
----all_countries_dhs.mat(87.41MB)
----README.md(6KB)
----feature_lasso_all.mat(420B)
----All_Lasso.m(787B)
----Feature_forward_search_314.mat(773B)
----Feature_forward.mat(247B)
----correlation_feature_selection.m(401B)
----Feature_Forward_Search.m(1KB)
----feature_lasso.mat(446B)
----feature_lasso_all66.mat(707B)