基于人工智能数据预测模型的对比

作者：石昀; 邓世权

来源：电子技术与软件工程, 2020, (07): 188-190.

• 人工智能
• 数据预测
• 数据模型

本文针对几种常用的人工智能数据预测模型算法,结合公开数据集网站UCI中部分行业领域公开数据集作为训练样本,对支持向量机算法(Support Vector Machine)、相关向量机算法(Relevance Vector Machine),人工神经网络算法(BP)、深度神经网络算法(Deep Neural Networks)、长期短记忆网络算法(Long Short-Term Memory)以及Ba-BP等算法模型,通过将数据集分为样本集以及测试集的方式,对样本进行训练及预测,并利用数据归一化、平均相对误差、算法执行时间等指标分析上述几种机器学习中的常见数据预测模型各自的优劣及其在不同的业务数据领域中的预测准确性,执行效率,误差率,从而得出几种不同的机器学习算法分别应用于实验中所涉及的几种不同行业领域中各自的优势及劣势。

• 单位
  凯里学院