灰色系统预测算法

function x=gmadd(x0,k)

n=length(x0)%求出原始数据的长度

x=ones(k,n)

x(1,:)=x0

for j=1:k

x1(1)=x0(1)%计算出依次累加的矩阵，命名为x1

for ii=1:n-1

x1(ii+1)=x1(ii)+x0(ii+1)

end

%求出数据向量Y矩阵

y=ones(n-1,1)

for ii=2:n

y(ii-1)=x0(ii)

end

%构造出数据矩阵b

b=ones(n-1,2)

for ii=1:n-1

b(ii,1)=(-0.5)*(x1(ii)+x1(ii+1))

end

%确定参数a和u

w=inv(b'*b)*b'*y

a=w(1,1)

u=w(2,1)

%计算模型x11

m=u/a

g=x0(1)-m

x11=ones(n,1)

x11(1)=x0(1)

for ii=1:n

x11(ii+1)=exp(-a*ii)*g+m

end

%进行下一次循环

for ii=1:n

x0(ii)=x11(ii+1)-x11(ii)

end

x(j,:)=x0

end

您好

基于以下三个原因，我们选择Python作为实现机器学习算法的编程语言：(1) Python的语法清晰；(2) 易于 *** 作纯文本文件；(3) 使用广泛，存在大量的开发文档。

可执行伪代码

Python具有清晰的语法结构，大家也把它称作可执行伪代码（executable pseudo-code）。默认安装的Python开发环境已经附带了很多高级数据类型，如列表、元组、字典、集合、队列等，无需进一步编程就可以使用这些数据类型的 *** 作。使用这些数据类型使得实现抽象的数学概念非常简单。此外，读者还可以使用自己熟悉的编程风格，如面向对象编程、面向过程编程、或者函数式编程。不熟悉Python的读者可以参阅附录A，该附录详细介绍了Python语言、Python使用的数据类型以及安装指南。

Python语言处理和 *** 作文本文件非常简单，非常易于处理非数值型数据。Python语言提供了丰富的正则表达式函数以及很多访问Web页面的函数库，使得从HTML中提取数据变得非常简单直观。

Python比较流行

Python语言使用广泛，代码范例也很多，便于读者快速学习和掌握。此外，在开发实际应用程序时，也可以利用丰富的模块库缩短开发周期。

在科学和金融领域，Python语言得到了广泛应用。SciPy和NumPy等许多科学函数库都实现了向量和矩阵 *** 作，这些函数库增加了代码的可读性，学过线性代数的人都可以看懂代码的实际功能。另外，科学函数库SciPy和NumPy使用底层语言（C和Fortran）编写，提高了相关应用程序的计算性能。本书将大量使用Python的NumPy。

Python的科学工具可以与绘图工具Matplotlib协同工作。Matplotlib可以绘制2D、3D图形，也可以处理科学研究中经常使用到的图形，所以本书也将大量使用Matplotlib。

Python开发环境还提供了交互式shell环境，允许用户开发程序时查看和检测程序内容。

Python开发环境将来还会集成Pylab模块，它将NumPy、SciPy和Matplotlib合并为一个开发环境。在本书写作时，Pylab还没有并入Python环境，但是不远的将来我们肯定可以在Python开发环境找到它。

---