一种基于超网络的多目标回归方法

作者：孙开伟^*; 郭豪; 曾雅苑; 方阳; 刘期烈

来源：计算机科学, 2022, 49(S2): 150-158.

• 机器学习
• 多目标回归
• 聚类
• 多标签分类
• 超网络

多目标回归（Multi-target Regression,MTR）是一种同时预测多个相互关联的连续型输出目标的机器学习问题。在多目标回归中，多个输出目标共享同一个特征表示，其主要挑战在于如何有效地发掘和利用输出目标之间的关联，以提高所有输出目标的预测准确性。文中提出了一种基于超网络的多目标回归方法（Multi-target Regression Method based on Hypernetwork,MTR-HN）。首先采用k-means算法对每个连续型输出目标进行一维聚类，然后根据聚类结果将多目标回归问题转化成多类别多标签分类问题，最后采用超网络模型对多类别多标签分类问题进行建模，构建最终的多目标回归预测模型。MTR-HN方法的优点在于：1）对输出空间离散化，能够降低模型过拟合的风险；2）采用超网络模型，能更有效地对输出目标之间的关联进行建模。在18个多目标回归数据集上进行的对比实验表明，文中提出的MTR-HN方法能够取得比现有方法更高的预测准确性。

• 单位
  重庆邮电大学; 通信与信息工程学院