用DEA优化偏最小二乘回归建模及应用

• 作者: 张小海 耿俊豹 金家善
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 偏最小二乘回归 数据包络分析 多重相关性
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 工程数学,生物医学工程
• 页码范围: 1688-1692
• 页数: 5页
• 分类号: O29|TB11
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2011.09.028

摘要

偏最小二乘回归(PLSR)统计建模方法本质上是对数据平均趋势的估算,无法避免“依据错误的数据得到错误的模型”的根本问题.为此,提出用数据包络分析(DEA)优化偏最小二乘同归的建模方法,用DEA方法对数据进行评价,剔除无效数据,将有效的数据用来偏最小二乘回归建模.该方法能有效克服干扰数据对提取成分的影响,弥补偏最小二乘方法的不足.通过实例计算并与PLSR、主成分回归(PCR)比较分析表明:DEA优化偏最小二乘回归建模平均绝对误差为2.66％,低于PLSR的4.07％和PCR的4.45％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金家善		8	0	0.0	0.0
2	耿俊豹		5	0	0.0	0.0
3	张小海		3	0	0.0	0.0