基于迭代加权线性模型的网络回归算法

摘要：

传统的机器学习算法难以有效处理具有自相关性的网络数据,而已有的网络学习算法多为分类算法,回归算法较少.为解决网络数据中的回归预测问题,考虑数据实例间的自相关性,提出一种迭代加权线性回归算法(IWR).该算法采用迭代分类算法的集体学习框架,每步迭代中将待预测实例逐个输入局部回归模型以更新目标属性值,直至达到既定目标.在空间网络和社会网络的数据集合上进行实验,结果表明,与传统回归算法及NCLUS算法相比,IWR算法可以有效减小预测误差.

关键词：网络数据、自相关性、回归预测、加权回归、迭代

所属期刊栏目：40

分类号：TP18(自动化基础理论)

资助基金：北京市自然科学基金资助项目4142042

在线出版日期：2014-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：166-170