首页> 中文期刊> 《计算机应用与软件》 >基于正则线性模型的马尔科夫边学习算法

基于正则线性模型的马尔科夫边学习算法

         

摘要

cqvip:已被证明修改的岭回归模型(MRRLM)在满足一定条件下可以发现目标变量的马尔科夫边的子集。但由于该模型引入协方差矩阵,导致在有变量共线的数据集上无法求解。为克服MRRLM缺陷寻找合适的替代模型,以实证的方式结合置换检验方法研究MRRLM与其他正则线性模型马尔科夫边发现效率之间的关系,并研究新的变种岭回岭模型(NVRRLM)在数据集上的适用性规律。实验结果表明:在低维连续数据集上,MRRLM马尔科夫边子集的发现效率远高于岭回归模型,但与拉索模型和弹性网络模型基本相近;在低维二值离散数据集上,MRRLM与岭回归模型、拉索模型和弹性网络模型的马尔科夫边的子集发现效率基本相近;NVRRLM完全可以用于变量共线数据集上马尔科夫边的子集发现。实验结果为解决低维变量共线数据集上选择合适的MRRLM替代模型提供了依据。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号