我们一起聊聊基于CNN-BiLSTM-Attention的回归预测模型！

前言

本文基于 Kaggle平台—洪水数据集的回归预测（文末附数据集），更新CNN、LSTM、LSTM-Attention、Transformer-BiLSTM、CNN-BiLSTM-Attention等模型的可视化分析！

1.更新介绍（新增可视化代码）

1.1 新增可视化对比

（1）柱状图对比：

（2）雷达图可视化对比：

（3）预测拟合对比：

1.2 模型简介

包括完整流程数据代码处理：

回归预测数据集制作、数据加载、模型定义、参数设置、模型训练、模型测试、预测可视化、模型评估

2.数据预处理

数据集格式为CSV文件，共50000个样本，20个特征，来预测FloodProbability（洪水概率）：　该结果变量基于上述因素预测洪水的可能性，可能表示为0到1之间的概率。

按照7:2:1划分训练集、验证集、测试集：

3.基于CNN-BiLSTM-Attention的回归模型

3.1 定义CNN-BiLSTM-Attention网络模型

3.2 设置参数，训练模型

50个epoch，mse极低，CNN-BiLSTM-Attention网络效果显著，模型能够充分提取数据的多尺度特征，收敛速度快，性能特别优越，效果明显。

4 模型评估与可视化

4.1 模型评估

4.2 回归预测拟合

图片

本文转载自​​​建模先锋​​​，作者：小蜗爱建模