中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >
稀疏支持向量回归机的构建与应用

稀疏支持向量回归机的构建与应用

作者:叶娅芬
出版社:经济科学出版社出版时间:2023-12-01
开本: 其他 页数: 165
中 图 价:¥36.8(8.0折) 定价  ¥46.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

稀疏支持向量回归机的构建与应用 版权信息

  • ISBN:9787521845990
  • 条形码:9787521845990 ; 978-7-5218-4599-0
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

稀疏支持向量回归机的构建与应用 内容简介

大数据对回归模型提出以下几个方面的要求: (1)稀疏性,“高维”数据的特征选择问题,选取重要特征,舍弃“冗余”或者信息含量少的特征,是回归算法面临的新挑战;(2)鲁棒性,对于含有异常点的回归问题,决策函数对异常点具有鲁棒性;(3)在线性,对于数据流问题,决策函数的回归系数应具有在线性,能够反映在线数据流的实时变化效应;(4) 异质性,高维数据具有后尾分布的异质性,如何使稀疏技术选择的特征能反映数据的整体分布特征,提取数据的异质信息。
针对大数据的这些特征,本书在已有支持向量回归模型的研究基础上,将从以下几个方面展开研究:(1)融入L1模或Lp模稀疏正则项,构建稀疏支持向量回归模型,其能够从高维数据中选取相关的主要特征,舍弃无关的冗余特征,完成信息价值“提纯”;(2)设计具有鲁棒性的损失函数,使其决策函数不易受异常点的影响,即决策函数不受异常点的干扰,具有一定的稳健性; (3)采用增量算法,
使其决策函数的回归系数具有动态性,反应数据流的实时性,克服非在线算法决策函数回归系数的固定不变性;(4)引入统计学的分位数回归思想,利用分位数精确地描述自变量对于因变量条件分布的整体影响,全面反映数据的分布特征。大数据对回归模型提出以下几个方面的要求: (1)稀疏性,“高维”数据的特征选择问题,选取重要特征,舍弃“冗余”或者信息含量少的特征,是回归算法面临的新挑战;(2)鲁棒性,对于含有异常点的回归问题,决策函数对异常点具有鲁棒性;(3)在线性,对于数据流问题,决策函数的回归系数应具有在线性,能够反映在线数据流的实时变化效应;(4) 异质性,高维数据具有后尾分布的异质性,如何使稀疏技术选择的特征能反映数据的整体分布特征,提取数据的异质信息。
针对大数据的这些特征,本书在已有支持向量回归模型的研究基础上,将从以下几个方面展开研究:(1)融入L1模或Lp模稀疏正则项,构建稀疏支持向量回归模型,其能够从高维数据中选取相关的主要特征,舍弃无关的冗余特征,完成信息价值“提纯”;(2)设计具有鲁棒性的损失函数,使其决策函数不易受异常点的影响,即决策函数不受异常点的干扰,具有一定的稳健性; (3)采用增量算法,
使其决策函数的回归系数具有动态性,反应数据流的实时性,克服非在线算法决策函数回归系数的固定不变性;(4)引入统计学的分位数回归思想,利用分位数精确地描述自变量对于因变量条件分布的整体影响,全面反映数据的分布特征。
面对大数据,指数构建面临前所未有的挑战:(1) 如何排除噪声和异常点现象带来的干扰,是指数构建面临的一大挑战;(2)如何舍弃信息价值低的冗余指标,保留信息价值高的代表性指标,降低数据维度,是指数构建面临的第二大挑战;(3)如何满足在线数据的高频性,构建实时动态指数凸显在线信息,是指数构建面临的第三大挑战。针对指数构建面临的这些挑战,本书构建的各种支持向量回归模型恰能解决这些问题:首先处理数据的缺失等现象,排除噪声和异常点带来的干扰,采用稀疏支持向量回归模型,解决大数据背景下指标的选择问题,为指数构造提供高质量的“原材料”;其次针对数据高频在线的特点,采用在线支持向量回归模型,确定代表性指标的动态权重,凸显数据的实时动态效应。相信本书能为动态指数的构建提供新方法和新思路,开拓数学、统计学与机器学习的交叉研究,为大数据统计建模的发展贡献微薄之力。

稀疏支持向量回归机的构建与应用 目录

**篇 开场篇  **章 绪论  **节 高维数据的稀疏性  第二节 稀疏支持向量回归机的研究现状 第二篇 技术篇  第二章 支持向量机  **节 线性模型  第二节 统计学习理论  第三节 支持向量回归机的拓展:学习速度  第四节 支持向量回归机的拓展:稳健学习  第五节 支持向量回归机的拓展:在线学习  第三章 稀疏支持向量回归机  **节 稀疏支持向量回归机  第二节 L1-模*小二乘支持向量回归机  第三节 广义不敏感自适应Lasso模型  第四节 Lp-模*小二乘支持向量回归机  第五节 Lp-模支持向量分位数回归机  第六节 支持向量回归机的非线性特征选择 第三篇 应用痛  第四章 中国金融状况指数的构建方案  **节 指数构建的研究现状  第二节 中国金融状况指数的研究方案  第五章 中国时变金融状况指数的构建  **节 金融状况指数的研究现状  第二节 中国金融状况指数的指标选择  第三节 构建中国时变金融状况指数  第六章 中国时变金融状况指数的预测能力  **节 金融状况指数与通货膨胀  第二节 金融状况指数与经济增长、通货膨胀的相关性  第三节 中国时变金融状况指数的预测能力分析  第七章 中国时变金融状况指数与利率规则研究  **节 金融状况指数与利率规则  第二节 DSGE模型的贝叶斯估计  第三节 DSGE模型的模拟结论分析 附录1 数据 附录2 参数的分布 参考文献 后记
展开全部

稀疏支持向量回归机的构建与应用 作者简介

叶娅芬,女,副教授,统计学博士,浙江大学博士后,悉尼大学访问学者,主要从事数据挖掘的回归模型研究。曾主持国家自然科学青年基金1项,主持省部级基金5项,主要参与国家自然科学青年基金3项,主要参与省部级基金4项。近5年来,以第一作者发表SCI(JCR:Q1) 期刊论文4篇,SSCI期刊论文3篇,主要授课包括数值计算、数理统计学、数据挖掘和多元统计分析等。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
浏览历史
编辑推荐
返回顶部
中图网
在线客服