机器学习方法和线性随机效应混合模型在纵向数据预测上的对比

• 作者: 吴喜之 李红梅
• 来源期刊: 数据挖掘
• 学科: 工学
• 关键词: 线性随机效应混合模型 机器学习方法 纵向数据 交叉验证 标准均方误差
• 年，卷（期）: 2015,（3）
• 页码范围: 39-45
• 页数: 7页
• 分类号: TP39

摘要

本文针对牛奶中所含蛋白质的纵向数据,利用R软件,运用机器学习方法中的决策树、boost、bagging、随机森林、神经网络、支持向量机和传统处理纵向数据的线性随机效应混合模型做预测对比。变化训练集并进行八折交叉验证,对得到的标准均方误差分析可知:对于该数据,无论是长期预测(训练集更大)还是短期预测,传统的方法远远不如机器学习方法,机器学习方法有很好的稳健性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴喜之	中国人民大学统计学院	53	615	12.0	23.0
2	李红梅	云南师范大学数学学院	8	7	1.0	2.0