针对现有多元回归模型没有充分考虑离群训练样本的影响而导致模型泛化能力差的问题,提出一种结合自步学习和稀疏属性选择的多元回归分析方法。通过自步学习理论优先选择高置信度的样本来训练初始属性选择模型,依次加入次高置信度的训练样本增加初始选择模型的泛化能力,直至增加的训练样本使泛化能力减弱或者所有训练样本被用完。用选择的属性进行多元回归分析,提高算法效率和效果。6个公开的数据集上的实验结果表明,该算法在回归分析中得到的结果优于对比算法。
科研之友
微信
新浪微博
Facebook
分享链接
