資源描述：
《基于數(shù)值預(yù)測的機(jī)器學(xué)習(xí)相關(guān)算法綜述》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、基于數(shù)值預(yù)測的機(jī)器學(xué)習(xí)相關(guān)算法綜述喬瑩瑩鄭州大學(xué)計算機(jī)出現(xiàn)以后，人們就想知道它能否學(xué)習(xí)。機(jī)器學(xué)習(xí)的主要任務(wù)就是發(fā)明計算機(jī)算法，將數(shù)據(jù)轉(zhuǎn)化為智能行為。機(jī)器學(xué)4算法可分為兩大類:有監(jiān)督算法和無監(jiān)督算法。有監(jiān)督學(xué)習(xí)算法用來建立預(yù)測模型，無監(jiān)督學(xué)習(xí)算法用來建立描述模型。有監(jiān)督的學(xué)習(xí)算法可以用來分類和數(shù)值預(yù)測。針對可以進(jìn)行數(shù)值預(yù)測的幾種算法，比如回歸分析、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等算法做了簡單介紹，然后分析了幾種算法的在數(shù)值預(yù)測問題上應(yīng)用。關(guān)鍵詞：機(jī)器學(xué)習(xí)；回歸分析;決策樹;神經(jīng)網(wǎng)絡(luò);支持向量機(jī);SummarizationofMachineLearningBa
2、sedonNumericalPredictionQIAOYingyingZhengzhouuniversity;Abstract：Afterthecomputerappeared,peoplewantedtoknowifitcouldlearn.Themaintaskofmachinelearningistoinventthecomputeralgorithm,makethedataintointelligentbehavior.Machinelearningalgorithmscanbedividedintotwocategories:supervis
3、edalgorithmandunsupervisedalgorithm.Thesupervisedlearningalgorithmisusedtoestablishthepredictionmodel,andtheunsupervisedlearningalgorithmisusedtoestablishthedescriptionmodel,andthesupervisedlearningalgorithmcanbeusedforclassificationandnumericalprediction.Thispaperbrieflyintroduc
4、esseveralalgorithmsthatcanbeusedfornumericalprediction,suchasregressionanalysis,decisiontree,neuralnetwork,supportvectormachineandsoon,andthenintroduceseveralalgorithmsonnumericalprediction.Keyword：machinelearning;regressionanalysis;decisiontree;neuralnetwork;supportvectormachine
5、;基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)是人工智能領(lǐng)域的重點內(nèi)容，它是從觀測數(shù)據(jù)出發(fā)尋求當(dāng)前尚不能通過公式定理獲得的規(guī)律，利用得到的規(guī)律去分析客觀現(xiàn)象，預(yù)測沒法觀測的數(shù)據(jù)或未知數(shù)據(jù)。現(xiàn)實世界中的確存在人們無法準(zhǔn)確認(rèn)識但可以觀測的事物，所以機(jī)器學(xué)習(xí)相關(guān)算法廣泛應(yīng)用于社會、經(jīng)濟(jì)等領(lǐng)域。下面介紹機(jī)器學(xué)習(xí)的幾種相關(guān)算法及他們在數(shù)值預(yù)測問題上的應(yīng)用研宄。1回歸分析算法1.1回歸分析簡述冋歸分析是一種研宄自變量和因變量之間復(fù)雜函數(shù)關(guān)系的統(tǒng)計學(xué)方法。以Y表示因變量（預(yù)測目標(biāo)），以XbX2,X3,?Xn表示自變量，其屮n表示自變量的個數(shù)，Y與X的關(guān)系近似表示為其屮。是隨機(jī)誤差是所建立模型
6、的誤差項。函數(shù)的線性模型如下:該模型是幾元回歸取決于n的值，n=l，一元回歸，否則為多元回歸。其中3。稱為回歸常數(shù)，稱為回歸系數(shù)，可以利用觀測數(shù)據(jù)進(jìn)行估計［1］。最小二乘估計法、最大似然估計法是解決一元線性lH］歸問題的常用解法。主成分分析法、因子分析法、典型相關(guān)分析、逐步回歸分析、偏最小二乘回歸法等則用來解決多元統(tǒng)計問題。我們在實際生活中碰到最多的便是非線性冋歸問題，常見的解決方法是有理插值法、小波分析法、有理逼近法等。1.2回歸分析算法的優(yōu)缺點解決問題的關(guān)鍵步驟就是對數(shù)據(jù)建模，我們應(yīng)該充分考慮建模方法的核心優(yōu)勢與劣勢?；貧w分析是迄今為止數(shù)值型數(shù)據(jù)建模
7、最常用的方法，可以適用幾乎所有的數(shù)據(jù)，II提供了變量與結(jié)果之間強(qiáng)度與大小的估計。但該方法依然存在一定的缺陷，不能很好地處理缺失數(shù)據(jù)，需要一些統(tǒng)計知識來理解模型，只能處理數(shù)值特征，對于分類數(shù)據(jù)需要額外的處理等。1.3回歸算法的應(yīng)用蔡章利等人m采用二元回歸分析的方法建立銷售預(yù)測模型，給工業(yè)企業(yè)進(jìn)行市場營銷決策提供了可靠依據(jù)。胡高賢等人m建立了因變量與自變量之間關(guān)系的產(chǎn)能高精度預(yù)測模型，通過采用多元線性回歸的方法來對油氣田的開發(fā)進(jìn)行預(yù)測，根據(jù)預(yù)測結(jié)果對開發(fā)提供依據(jù)。張洪等人hi依據(jù)實測數(shù)據(jù)采用偏最小二乘回歸法建立一個預(yù)測模型來對軸承裝質(zhì)量進(jìn)行預(yù)測。該方法的優(yōu)點
8、是克服了變量間的井線性問題。Yiicalar等提出一種基于多元線性回歸分析的究動
