APP下载

改进的偏最小二乘回归模型及应用

2021-02-23郑列,张彦

湖北工业大学学报 2021年1期
关键词:模型

郑 列,张 彦

(湖北工业大学理学院,湖北 武汉 430068)

随着高速网络的普及和数据存储的发展,人类生活中产生并被记录的数据越来越多,从用户的使用习惯到用户的浏览记录均会被存储并用于分析;与此同时,数据的形式也越来越多样化,无论是金融市场中股价的波动还是视频图像中包含的信息都是数据的表现形式。数据涉及的领域也越来越广泛,从线上消费到生物基因都可以成为数据分析的对象。在各种大型数据层出不穷的情况下,对于特征数量大于样本数量的高维数据进行分析已经变得越来越重要。对于这种样本数量小于特征数量的情况,很多传统的数据分析方法无法被有效运用,为避免这种“维数灾难”问题,主要采用两类降维方式:一类是特征选择,另一类是特征组合[1-2]。此外,切片逆回归模型、向前回归(FR)法、变系数模型、可加模型等模型同样被提出并用于高维数据的分析[3-4]。除上述模型外,1983年S.Wold和C.Albano[5]等人发明的偏最小二乘法(PLS),天生就具有处理特征数大于样本数这类高维数据的优点[6-7]。在传统的PLS模型中,仅使用线性回归模型,对于非线性关系的拟合效果不佳[8-10]。为解决这一问题,可以基于stacking集成思想的方式对PLS模型中的线性拟合过程进行改进。stacking集成思想类似于神经网络的拟合方式[11],为避免过拟合情况的发生并改善模型对超参数的敏感性,可以选择带有不同正则项的模型进行集成,例如Lasso回归、弹性网等模型[12]。基于上述思路,stacking-plsr模型可以对样本量较少的高维数据进行建模,实现多变量对多变量的非线性拟合过程,相较于现有方法减少了计算量,降低了模型对超参数的敏感性,使得模型更不容易出现过拟合现象。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用