基于自步学习多元回归分析

摘要：

针对现有多元回归模型没有充分考虑离群训练样本的影响而导致模型泛化能力差的问题,提出一种结合自步学习和稀疏属性选择的多元回归分析方法.通过自步学习理论优先选择高置信度的样本来训练初始属性选择模型,依次加入次高置信度的训练样本增加初始选择模型的泛化能力,直至增加的训练样本使泛化能力减弱或者所有训练样本被用完.用选择的属性进行多元回归分析,提高算法效率和效果.6个公开的数据集上的实验结果表明,该算法在回归分析中得到的结果优于对比算法.

关键词：自步学习、属性选择、稀疏学习、回归分析、有监督学习

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61672177、61573270;国家973重点基础研究发展计划基金项目2013CB329404;广西自然科学基金项目2015GXNSFCB139011、2015GXNSFAA139306;广西研究生教育创新计划基金项目YCSW2018093

在线出版日期：2019-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3835-3839,3852