湖北工业大学学报2021，Vol.36Issue(1) ：114-120.

改进的偏最小二乘回归模型及应用

Nonlinear Partial Least Squares Regression Model Based on Stacking Integration and its Application

郑列 张彦
湖北工业大学学报2021，Vol.36Issue(1) ：114-120.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

改进的偏最小二乘回归模型及应用

Nonlinear Partial Least Squares Regression Model Based on Stacking Integration and its Application

郑列 1张彦1
扫码查看

作者信息

  • 1. 湖北工业大学理学院,湖北武汉430068
  • 折叠

摘要

对样本量小于特征数量的高维数据进行拟合时,偏最小二乘回归模型(PLS)因自身优点对线性关系的拟合效果较好.为解决PLS模型对非线性关系拟合效果较差并控制模型计算量两方面问题,提出基于stacking集成非线性偏最小二乘模型(stacking-plsr).从模型鲁棒性、敏感性和拟合精度三个方面对stacking-plsr模型进行实证检验.结果表明,stacking-plsr模型的拟合效果对训练集样本数量和超参数degree的取值并不敏感,在测试集上预测值的MSE和ARE两项指标相较于传统PLS模型分别降低68.26％和34.44％.

关键词

高维数据/非线性拟合/stacking集成/stacking-plsr模型

引用本文复制引用

基金项目

教育部人文社会科学研究规划基金(17YJA790098)

出版年

2021
湖北工业大学学报
湖北工业大学

湖北工业大学学报

CHSSCD
影响因子：0.258
ISSN：1003-4684
被引量2
参考文献量2
段落导航相关论文