中图网

>

计算机理论

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

本类榜单：计算机/网络销量榜

中图价:¥33.1(7.2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39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥33.1 加入购物车

版权信息
内容简介
目录
作者简介

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：
计算机/网络
>
计算机理论

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)

写书评赚书币

暂无评论……

书友推荐