前言

本文基于 Kaggle平臺—洪水?dāng)?shù)據(jù)集的回歸預(yù)測（文末附數(shù)據(jù)集），更新CNN、LSTM、LSTM-Attention、Transformer-BiLSTM、CNN-BiLSTM-Attention等模型的可視化分析！

1.更新介紹（新增可視化代碼）

1.1 新增可視化對比

（1）柱狀圖對比：

（2）雷達(dá)圖可視化對比：

（3）預(yù)測擬合對比：

1.2 模型簡介

包括完整流程數(shù)據(jù)代碼處理：

回歸預(yù)測數(shù)據(jù)集制作、數(shù)據(jù)加載、模型定義、參數(shù)設(shè)置、模型訓(xùn)練、模型測試、預(yù)測可視化、模型評估

2.數(shù)據(jù)預(yù)處理

數(shù)據(jù)集格式為CSV文件，共50000個樣本，20個特征，來預(yù)測FloodProbability（洪水概率）：　該結(jié)果變量基于上述因素預(yù)測洪水的可能性，可能表示為0到1之間的概率。

按照7:2:1劃分訓(xùn)練集、驗證集、測試集：

3.基于CNN-BiLSTM-Attention的回歸模型

3.1 定義CNN-BiLSTM-Attention網(wǎng)絡(luò)模型

3.2 設(shè)置參數(shù)，訓(xùn)練模型

50個epoch，mse極低，CNN-BiLSTM-Attention網(wǎng)絡(luò)效果顯著，模型能夠充分提取數(shù)據(jù)的多尺度特征，收斂速度快，性能特別優(yōu)越，效果明顯。

4 模型評估與可視化

4.1 模型評估

4.2 回歸預(yù)測擬合

圖片

本文轉(zhuǎn)載自???建模先鋒???，作者：小蝸愛建模