基于Lasso和SVR的向量夹角余弦变权重组合预测模型

发布时间：2021-03-10 17:58

　　针对Lasso回归与支持向量回归（SVR）两者各自的优势,文章提出了一种新型的结合以上两种方法的基于向量夹角余弦的变权重组合预测模型。考虑到预测值向量和实际值向量之间的夹角越小,它们越接近,因此以最大化向量夹角余弦作为标准来构造变权重组合预测模型。假设单一预测模型的权重是随时间连续变化的,研究在预测值向量与真实值向量的夹角余弦最大的条件下单一预测模型权重随时间变化的情况。实证分析结果表明,基于向量夹角余弦的变权组合预测模型与单一预测方法相比,具有更高的预测精度。同时组合预测模型弥补了Lasso回归在处理非线性数据方面的不足。 

【文章来源】：统计与决策. 2020,36(18)北大核心CSSCI

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于Lasso-GRNN神经网络模型的地方财政收入预测[J]. 蒋锋,张婷,周琰玲.  统计与决策. 2018(19)
[2]岭回归、LASSO回归和Adaptive-LASSO回归下的财政收入因素分析[J]. 董小刚,刁亚静,李慧玲,王纯杰,温丽男.  吉林师范大学学报(自然科学版). 2018(02)
[3]基于Lasso和支持向量机的组合预测及其应用[J]. 喻胜华,龚尚花.  经济数学. 2016(02)
[4]基于向量夹角余弦的组合预测模型的性质研究[J]. 陈华友,盛昭瀚,刘春林.  管理科学学报. 2006(02)
[5]基于相关性的组合预测方法研究[J]. 王应明.  预测. 2002(02)
[6]变权组合预测模型研究[J]. 唐小我,曾勇,曹长修.  预测. 1993(03)
[7]变权重组合预测模型的建立与应用[J]. 谢如贤,成盛超,吴健中.  预测. 1992(04)



本文编号：3075044