有指导机器学习超参数的交叉验证智能优化

发布时间：2017-11-06 09:21

  本文关键词：有指导机器学习超参数的交叉验证智能优化

  更多相关文章： 交叉验证 有指导学习 模型选择 智能优化

【摘要】：不合理的模型超参数会导致有指导机器学习过拟合或欠拟合,文中提出模型超参数的交叉验证智能优化方法:利用交叉验证评价不同参数下的学习性能,在此基础之上构建智能寻优技术路线.实验结果表明:利用交叉验证性目标函数,智能优化算法自适应地根据目标函数和约束求解,可高效、准确地优化学习器超参数.
【作者单位】： 西安工业大学经济与管理学院;西安工业大学计算机科学与工程学院;承德石油高等专科学校社科与数理部;
【基金】：承德市科学技术研究与发展计划项目(20153021) 陕西省普通高等学校哲学社会科学特色学科建设项目 西安工业大学科研创新团队建设计划
【分类号】：TP181
【正文快照】： 机器学习致力于研究如何通过计算的手段,利用经验来改善系统自身的性能.在计算机系统中,“经验”常以“数据”的形式存在,机器学习所研究的主要内容是在计算机上从数据中产生“模型”的算法,即“学习算法”[1].有指导学习(SupervisedStudy)在相对应的输入变量X、目标变量y的指

【相似文献】

中国期刊全文数据库 前7条

1 杨斌,聂在平;一种支持向量回归中超参数自适应方法[J];广西师范大学学报(自然科学版);2003年01期

2 金添;周智敏;宋千;常文革;;基于证据框架的模糊超球面支持向量机超参数优化[J];应用科学学报;2007年03期

3 宋杰;;一种新的无参数支持向量机分类器[J];计算机工程;2007年23期

4 燕飞;秦世引;;一种基于模拟退火的支持向量机超参数优化算法[J];航天控制;2008年05期

5 张宏达;王晓丹;徐海龙;;用于RBF-SVM参数搜索的伪梯度动态步长算法[J];电子科技大学学报;2010年04期

6 饶\~;杨志平;甘志刚;;SVR算法在指数预测中的应用研究[J];浙江交通职业技术学院学报;2012年04期

7 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 李洁;高峰;管晓宏;周佃民;;支持向量回归学习方法中基于稳定型GA的超参数选择[A];第二十四届中国控制会议论文集（下册）[C];2005年

中国硕士学位论文全文数据库 前2条

1 刘丽娟;支持向量机超参数调节方法的研究及其在人脸识别中的应用[D];重庆大学;2010年

2 孙鑫;基于LS_SVM建立发酵过程动态模型及其参数优化[D];北京工业大学;2013年

，

本文编号：1148292