Trong lĩnh vực dự báo dữ liệu, việc tìm kiếm một mô hình hiệu quả và mới mẻ là cực kỳ quan trọng. Bài viết này giới thiệu một mô hình dự báo hồi quy đa biến dựa trên mạng nơ-ron tích chập (CNN) và máy vector tương quan (RVM), được triển khai bằng ngôn ngữ Matlab.

Đặc điểm nổi bật: Trích xuất đặc trưng bằng CNN + Dự báo bằng RVM

Điểm độc đáo của mô hình này là sử dụng CNN để trích xuất đặc trưng. CNN, như đã biết, tỏa sáng trong lĩnh vực xử lý hình ảnh và có khả năng tự động khám phá các đặc trưng hiệu quả từ dữ liệu. Ví dụ dưới đây minh họa một đoạn mã CNN đơn giản (đơn giản hóa để minh họa, ứng dụng thực tế sẽ phức tạp hơn):

layers = [
    layerPhaNguonHinhAnh([cao rong soKenh])
    layerTichChung2D(3, 16, 'Padding', 'same')
    layerReLU
    layerPooling2D(2, 'Stride', 2)
];

Trong đoạn mã này, layerPhaNguonHinhAnh định nghĩa lớp đầu vào, thông báo cho mô hình về kích thước dữ liệu (chiều cao, chiều rộng và số kênh). layerTichChung2D là lớp tích chập, ở đây được thiết lập với kích thước hạt nhân là 3, số lượng bản đồ đặc trưng đầu ra là 16, và sử dụng phương thức đệm 'same' để đảm bảo kích thước bản đồ đặc trưng đầu ra giống với dữ liệu đầu vào. layerReLU là lớp hàm kích hoạt, giới thiệu tính phi tuyến tính, cho phép mô hình có khả năng biểu đạt mạnh mẽ hơn. layerPooling2D là lớp pooling, thực hiện giảm mẫu, giảm lượng dữ liệu trong khi vẫn giữ lại các đặc trưng chính.

Sau khi trích xuất đặc trưng, các đặc trưng này sẽ được đưa vào mô hình RVM để thực hiện dự báo. RVM, với tư cách là một mô hình dự báo hồi quy mạnh mẽ, có những ưu điểm riêng khi xử lý các vấn đề như vậy. Toàn bộ quy trình này tạo ra một mô hình vừa mới mẻ vừa thực tiễn, với nhiều biểu đồ trực quan giúp đánh giá hiệu quả mô hình.

Nhiều lựa chọn dự báo

Mô hình hỗ trợ dự báo hồi quy với nhiều đầu vào và một đầu ra. Nếu bạn muốn chuyển sang dự báo chuỗi thời gian một cột, điều này cũng hoàn toàn khả thi.

Sử dụng thân thiện với người mới bắt đầu

Không chỉ mã chương trình đã được kiểm tra kỹ, các chú thích cũng rất rõ ràng, cực kỳ thân thiện với người mới bắt đầu. Chỉ cần chạy tệp main, bạn có thể tạo biểu đồ chỉ với một cú nhấp chuột. Ví dụ như sau:

% Ví dụ tệp main.m
% Tải dữ liệu
duLieu = docBang('duLieuCuaBan.xlsx');
% Tiền xử lý dữ liệu
%...
% Gọi mô hình CNN-RVM để dự báo
[dubao, doChinhXac] = moHinhCNN_RVM(duLieu);
% Vẽ biểu đồ kết quả
hinhAnh;
ve(dubao);
hold on;
ve(giaTriThucTe);
nhan('Dự báo', 'Thực tế');

Trong ví dụ tệp main đơn giản này, đầu tiên chúng ta đọc dữ liệu từ tệp Excel, sau đó tiến hành tiền xử lý dữ liệu (mã tiền xử lý cụ thể bị bỏ qua trong ví dụ này, mã thực tế sẽ được viết tùy thuộc vào đặc điểm dữ liệu), tiếp theo gọi mô hình để nhận kết quả dự báo và độ chính xác, và cuối cùng vẽ biểu đồ để so sánh giá trị dự báo và giá trị thực tế.

Một số lưu ý

1. Chương trình đi kèm dữ liệu kiểm tra, định dạng dữ liệu như hình 2 minh họa.
2. Sản phẩm chỉ bao gồm mã Matlab, không bao gồm hướng dẫn sử dụng. Tuy nhiên, chúng tôi đảm bảo chương trình gốc có thể chạy được, nhưng không hỗ trợ trả lại hoặc đổi trả.
3. Cần lưu ý rằng mô hình này chỉ cung cấp một phương pháp để đánh giá độ chính xác của tập dữ liệu, không thể đảm bảo rằng việc thay thế dữ liệu sẽ luôn mang lại kết quả như mong đợi, vì sự khác biệt giữa các tập dữ liệu là khá lớn.