| 关于支持向量回归机的模型选择 |
| |
| 引用本文： | 苏高利,邓芳萍.关于支持向量回归机的模型选择[J].科技通报,2006,22(2):154-158. |
| |
| 作者姓名： | 苏高利 邓芳萍 |
| |
| 作者单位： | 1. 浙江省气候中心,杭州,310017
2. 中国科学院地理科学与资源研究所,北京,100101 |
| |
| 摘 要： | 支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。
|
| 关 键 词： | 支持向量回归机 核函数 模型参数 模型选择 |
| 文章编号： | 1001-7119（2006）02-0154-05 |
| 收稿时间： | 2004-10-22 |
| 修稿时间： | 2004年10月22 |
Introduction to Model selection of SVM Regression |
| |
| SU Gao-li,DENG Fang-ping.Introduction to Model selection of SVM Regression[J].Bulletin of Science and Technology,2006,22(2):154-158. |
| |
| Authors: | SU Gao-li DENG Fang-ping |
| |
| Institution: | 1. Zhejiang Climate Center, Hangzhou 310017, China; 2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China |
| |
| Abstract: | Support vector machine(SVM) are a kind of novel machine learning methods based on statistical learning theory.Model selection is an important step in SVM design.This paper introduces kernel function,the importance of model parameters and its practical selection for SVM regression.The best kernel function and existing practical approaches to the choice of model parameters are given in SVM applications. |
| |
| Keywords: | Support vector machine regression model selection kernel function model parameters |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
