关于支持向量回归机的模型选择

被引：57

作者：

苏高利 ^{[1
]}

邓芳萍 ^{[2
]}

机构：

[1] 浙江省气候中心

[2] 中国科学院地理科学与资源研究所

来源：

科技通报 | 2006年 / 02期

关键词：

支持向量回归机; 核函数; 模型参数; 模型选择;

D O I：

10.13774/j.cnki.kjtb.2006.02.004

中图分类号：

O212.1 [一般数理统计];

学科分类号：

020208 ; 070103 ; 0714 ;

摘要：

支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。

引用

页码：154 / 158

页数：5

共 4 条

[1] Choosing multiple parameters for support vector machines [J].

Chapelle, O ;

Vapnik, V ;

Bousquet, O ;

Mukherjee, S .

MACHINE LEARNING, 2002, 46 (1-3) :131-159

[2]

Learning with kernels:Supportvector machines;regularization;and beyond..Scholkopf B;Smola A;.MIT Press.2002,

[3] 回归型加权支持向量机方法及其应用 [J].

杜树新 ;

吴铁军 .

浙江大学学报(工学版), 2004, (03) :47-51

[4]

推进气象科技创新加快气象事业发展.[M].中国气象学会编;.气象出版社.2004,

← 1 →