一种支持向量回归中超参数自适应方法

被引：9

作者：

杨斌

聂在平

机构：

[1] 电子科技大学电子工程学院,电子科技大学电子工程学院四川成都,四川成都

来源：

广西师范大学学报(自然科学版) | 2003年 / 01期

关键词：

支持向量机; 贝叶斯推理; 非参数回归; 特征选择;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

在贝叶斯框架下支持向量回归SVR可视为最大化后验MAP回归函数估计的扩展.贝叶斯方法可用来实现模型中超参数的自适应,同时保持SVR稀疏性和凸二次规划的优点.在对SVR的MAP解做Laplace近似获得关于超参数的SVR模型中证据的平滑表达式,使用基于梯度的优化法可导出使证据最大化的最优超参数.通过引入ARD参数到高斯协方差函数中,可进行输入属性的相关性分析和特征选择.给出了在人工和实际回归问题上的应用及其他方法的对比分析.

引用

页码：195 / 199

页数：5