基于属性权重的Bagging回归算法研究

• 作者: 孟小燕
• 来源期刊: 现代电子技术
• 关键词: 支持向量机 属性权重 集成学习 主成份分析 回归算法
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 测试?测量?自动化
• 页码范围: 95-98,103
• 页数: 5页
• 分类号: TN911-34|TM417
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2017.01.027

摘要

提出一种新的回归算法——基于属性权重的Bagging回归算法。首先使用支持向量机回归或主成分分析方法对样本数据的属性赋以一定的权值，以表明该属性在回归过程中的贡献大小；再根据不同属性的权重大小构建训练使用的多个属性子集。在构建这些属性子集的过程中，按照不同属性权重在总权重中所占比重为概率进行，使得对回归贡献大的属性有更大的可能被选入属性子集当中参与训练；最后，对这些属性子集进行训练，生成相应的多个回归子模型，这些子模型的集合就是通过基于属性权重的Bagging回归算法训练得到的最终模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟小燕	内蒙古师范大学青年政治学院信息工程系	29	18	2.0	2.0