Loading...
|
Please use this identifier to cite or link to this item:
https://nccur.lib.nccu.edu.tw/handle/140.119/95119
|
| Title: | 遞迴支持向量迴歸資料縮減法
Recursive SVR data reduction |
| Authors: | 江政舉 |
| Contributors: | 薛慧敏
江政舉 |
| Keywords: | 支持向量機
支持向量迴歸
資料縮減 |
| Date: | 2009 |
| Issue Date: | 2016-05-09 15:11:26 (UTC+8) |
| Abstract: | 近年來，支持向量機(SVM, Support Vector Machine)及支持向量迴歸(SVR, Support Vector Regression)已被廣泛的應用在分類及預測上的問題，然而實務上常見資料過於龐大，而導致需要較長的計算時間及較高的計算成本。為了解決這樣的問題，Zhang等人（2006）及Chen, Wang與Cao（2008）發展兩種類型的資料縮減方法。前者為減少變數數量的遞迴支持向量機(RSVM, Recursive Support Vector Machine），藉由交叉驗證以及定義所謂的貢獻因子來找出重要的變數，而考慮僅利用重要的變數做分類。後者的方法稱為DSKR（Direct Sparse Kernel Regression），考慮在支持向量迴歸中，僅選取部份支持向量個數做預測，以達到資料縮減效果。本研究將遞迴支持向量機的方法延伸至支持向量迴歸上，此法稱為遞迴支持向量迴歸(RSVR, Recursive Support Vector Regression），藉由交叉驗證以及依據決策函數來定義各變數的貢獻因子，藉此選取出重要的變數，並且保留這些重要變數來做後續分析與預測。本研究將此方法應用於兩組實際的化學資料:Triazines及Pyrim，我們發現資料被大幅縮減，僅有六分之一至五分之一的變數被保留。而資料縮減後的預測效果，與利用整組原始資料來進行支持向量迴歸的結果相近，但較DSKR的結果差。
關鍵字：支持向量機，支持向量迴歸，資料縮減 |
| Reference: | 一、 中文文獻
1. 呂奇傑，李天行，高人龍，黃敏菁（2009），「支援向量機及支援向量迴歸於財務時間序列預測之應用」。
二、 英文文獻
1. Chen, X. F. , Wang, S. T., Cao, S.Q（2008）“DSKR: Building Sparse Kernel
Regression Directly ”,Journal of Applied Sciences, 8, 3407-3414.
2. Vapnik, V. (1995) The Nature of Statistical Learning Theory, Springer, NY.
3. Vapnik, V. (1998) Statistical Learning Theory, John Wiley and Sons, NY.
4. Ross D. K, UCI Machine Learning Repository,
http://www.ics.uci.edu/~mlearn/MLRepository.html . Irvine , CA: University of California, School of Information and Computer Science.
5. Smola, A. J. and Schölkopf, B.（2004） “A Tutorial on Support Vector Regression” Statistics and Computing, 14, 199-204.
6. Smola, A. J., Schölkopf, B. and Williamson, R. C.（2008） “New Support Vector Algorithms,” Neural Computation, 12, 1207-1245.
7. Wikipedia, Mercer`s theorem, http://en.wikipedia.org/wiki/Mercer`s_theorem （as of June 21, 2009） .
8. Wu, M., Schölkopf, B. and Gökhan, B. （2006）“A Direct Method for Building Sparse Kernel Learning Algorithms”, Journal of Machine Learning Research, 7 603–624
9. Zhang, X. G. , Lu, X., Shi, Q., Xu, X. Q., Leung, H.C. , Harris, L. N. , Iglehart, J. D., Miron, A., Liu, J. S. and Wong, W. H.（2006）”Recursive SVM Feature Selection and Sample Classification for Mass-Spectrometry and Microarray Data”, BMC Bioinformatics, 7:197. |
| Description: | 碩士
國立政治大學
統計學系
96354014 |
| Source URI: | http://thesis.lib.nccu.edu.tw/record/#G0096354014 |
| Data Type: | thesis |
| Appears in Collections: | [統計學系] 學位論文
|
Files in This Item:
| File |
Size | Format | |
|---|
| index.html | 0Kb | HTML2 | 240 | View/Open |
|
All items in 政大典藏 are protected by copyright, with all rights reserved.
|
