一种回归SVM选择性集成方法

计算机科学 ›› 2008, Vol. 35 ›› Issue (4): 178-180.

一种回归SVM选择性集成方法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受到国家自然科学基金（60673095）,山西省高校科技研究开发项目（20061101）,山西省留学人员科技活动择优资助项目,山西省高校青年学术带头人基金资助;

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 泛化能力是机器学习关心的一个根本问题，采用集成学习技术可以有效地提高泛化能力。本文提出了一种将支持向量机（Support Vector Machine，SVM）进行选择性集成回归的方法。通过引入三个阈值，可以选择合适的子SVM，从而进一步提高了整个集成学习的效率。实验结果表明，本文提出的选择性集成方法可以在一定程度上解决SVM的模型选择问题和大规模数据集的学习问题，与传统的集成方法Bagging相比具有更高的泛化能力。

关键词: 支持向量机集成学习回归 Bagging

Abstract: Generalization performance is a basic problem for machine learning, and ensemble learning technique can improve the generalization performance effectively, This paper presents a selective ensemble learning approach based on SVM regression. By introducing

Key words: Support vector machine, Ensemble learning, Regression, Bagging

. 一种回归SVM选择性集成方法[J]. 计算机科学, 2008, 35(4): 178-180. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed