线性回归模型的Boosting变量选择方法?

• 作者: 张春霞 李毓 王冠伟
• 来源期刊: 工程数学学报
• 学科: 数学
• 关键词: Boosting算法 变量选择 集成学习 遗传算法 多样性
• 年，卷（期）: 2015,（5）
• 页码范围: 677-689
• 页数: 13页
• 分类号: O212.1
• 字数: 7920字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-3085.2015.05.006

摘要

针对线性回归模型的变量选择问题，本文基于遗传算法提出了一种新的Boosting学习方法。该方法对每一训练个体赋予权重，以遗传算法作为Boosting的基学习算法，将带有权重分布的训练集作为遗传算法的输入进行变量选择。同时，根据前一次变量选择效果的好坏更新训练集上的权重分布。重复上述步骤多次，最后以加权融合方式合并多次变量选择的结果。基于模拟和实际数据的试验结果表明，本文新提出的Boosting方法能显著提高传统遗传算法用于变量选择的质量，准确识别出与响应变量相关的协变量，这为线性回归模型的变量选择提供了一种有效的新方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李毓	信阳师范学院经济与管理学院	35	159	8.0	11.0
2	张春霞	西安交通大学数学与统计学院	12	571	6.0	12.0
3	王冠伟	西安工业大学机电工程学院	5	203	2.0	5.0