APP下载

基于权值SVM商品房价格模型研究

2011-11-16徐晖张涛

中国市场 2011年33期

徐晖 张涛

摘要:支持向量机(SVM)是在统计学习理论的VC维理论和结构风险最小原理的基础上发展起来的一种新的机器学习方法。本文利用SVM对商品房的几种主要价格因素数据进行统计学习,并且针对SVM学习过程中计算量巨大的问题,提出一种对核函数加权的方式来提高其学习效率,并针对不同因素调整其学习权重,有效提高了模型的学习速度和推广能力。SVM以统计学习理论为基础,具有简洁的数学形式、直观的几何解释和好的泛化能力等优点。研究证明,SVM的预测结果准确,使用方便,是一种优良的商品房价格建模方法。

关键词:商品房;支持向量机;权重;建模

中图分类号:F293.3

支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以期获得最好的推广能力。支持向量机利用了核函数,巧妙地把低维空间的非线性函数映射为高维空间的线性函数,避免了“维数灾难”问题,使得算法复杂度与样本维数无关,非常适合于处理非线性问题。选择适合的核函数在解决某一给定的问题时起着重要的作用。核函数是通过描述样本相似性的内积来定义的,而内积是根据样本的所有特征计算的。这些特征与分类的相关性各不相同,一些次要特征同等占用着核函数的计算资源,从而影响分类器的分类效率。找到一个方法科学合理地评价样本集合对于学习的重要性是十分必要的。……

登录APP查看全文