Lasso算法在SVR模型中的应用

摘要：

支持向量回归(SVR)模型对高维数据的研究具有出色的泛化能力和很高的预测精度,但在问题之初,数据往往存在着多重共线性的问题.本文引入Lasso算法进行变量筛选后再建立SVR回归模型,以此期望获得较好的模型效果.选取陕西省一般公共预算收入及相关统计指标数据进行实证分析,使用Lasso算法进行变量优化后建立SVR回归模型对陕西省一般公共预算收入进行预测,从结果上来看,模型预测效果较好,在六个时间节点上,预测值与实际值完全一致.进而说明在高维统计建模时,使用Lasso算法进行变量筛选能够使得模型达到一个较好的效果.

关键词：Lasso算法、SVR回归模型、多重共线性、公共预算

分类号：F81(财政、国家财政)

在线出版日期：2023-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：173-175