混合多元回归学习模型的改进

• 作者: 孙继红
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 混合多元回归 学习模型 贝叶斯
• 年，卷（期）: 2010,（7）
• 页码范围: 179-182
• 分类号: TP3
• 字数: 4066字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2010.07.044

摘要

研究统计方法分析问题,针对在实际应用外特性模型的输入普遍为混合变量,既包括连续随机变量,也包括离散随机变量.目前已有混合多元回归学习模型大多只处理连续随机变量,且有着多重共线性的缺陷.针对上述问题,研究了基于贝叶斯网络的回归树学习模型.基于贝叶斯网络的回归树学习模型的研究方法建立在朴素贝叶斯网络模型基础上,采用分而治之的原则构造决策树,以朴素贝叶斯取代叶节点.在2个UCI机器学习数据集上的仿真实验结果表明模型性能良好.基于贝叶斯网络的回归树学习模型可以有效减小预测误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙继红		9	54	4.0	7.0