本文關(guān)鍵詞：有指導(dǎo)機(jī)器學(xué)習(xí)超參數(shù)的交叉驗(yàn)證智能優(yōu)化

  更多相關(guān)文章： 交叉驗(yàn)證 有指導(dǎo)學(xué)習(xí) 模型選擇 智能優(yōu)化

【摘要】：不合理的模型超參數(shù)會(huì)導(dǎo)致有指導(dǎo)機(jī)器學(xué)習(xí)過擬合或欠擬合,文中提出模型超參數(shù)的交叉驗(yàn)證智能優(yōu)化方法:利用交叉驗(yàn)證評(píng)價(jià)不同參數(shù)下的學(xué)習(xí)性能,在此基礎(chǔ)之上構(gòu)建智能尋優(yōu)技術(shù)路線.實(shí)驗(yàn)結(jié)果表明:利用交叉驗(yàn)證性目標(biāo)函數(shù),智能優(yōu)化算法自適應(yīng)地根據(jù)目標(biāo)函數(shù)和約束求解,可高效、準(zhǔn)確地優(yōu)化學(xué)習(xí)器超參數(shù).
【作者單位】： 西安工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院;西安工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;承德石油高等專科學(xué)校社科與數(shù)理部;
【基金】：承德市科學(xué)技術(shù)研究與發(fā)展計(jì)劃項(xiàng)目(20153021) 陜西省普通高等學(xué)校哲學(xué)社會(huì)科學(xué)特色學(xué)科建設(shè)項(xiàng)目 西安工業(yè)大學(xué)科研創(chuàng)新團(tuán)隊(duì)建設(shè)計(jì)劃
【分類號(hào)】：TP181
【正文快照】： 機(jī)器學(xué)習(xí)致力于研究如何通過計(jì)算的手段,利用經(jīng)驗(yàn)來改善系統(tǒng)自身的性能.在計(jì)算機(jī)系統(tǒng)中,“經(jīng)驗(yàn)”常以“數(shù)據(jù)”的形式存在,機(jī)器學(xué)習(xí)所研究的主要內(nèi)容是在計(jì)算機(jī)上從數(shù)據(jù)中產(chǎn)生“模型”的算法,即“學(xué)習(xí)算法”[1].有指導(dǎo)學(xué)習(xí)(SupervisedStudy)在相對(duì)應(yīng)的輸入變量X、目標(biāo)變量y的指

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 楊斌,聶在平;一種支持向量回歸中超參數(shù)自適應(yīng)方法[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年01期

2 金添;周智敏;宋千;常文革;;基于證據(jù)框架的模糊超球面支持向量機(jī)超參數(shù)優(yōu)化[J];應(yīng)用科學(xué)學(xué)報(bào);2007年03期

3 宋杰;;一種新的無參數(shù)支持向量機(jī)分類器[J];計(jì)算機(jī)工程;2007年23期

4 燕飛;秦世引;;一種基于模擬退火的支持向量機(jī)超參數(shù)優(yōu)化算法[J];航天控制;2008年05期

5 張宏達(dá);王曉丹;徐海龍;;用于RBF-SVM參數(shù)搜索的偽梯度動(dòng)態(tài)步長算法[J];電子科技大學(xué)學(xué)報(bào);2010年04期

6 饒\~;楊志平;甘志剛;;SVR算法在指數(shù)預(yù)測(cè)中的應(yīng)用研究[J];浙江交通職業(yè)技術(shù)學(xué)院學(xué)報(bào);2012年04期

7 ;[J];;年期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 李潔;高峰;管曉宏;周佃民;;支持向量回歸學(xué)習(xí)方法中基于穩(wěn)定型GA的超參數(shù)選擇[A];第二十四屆中國控制會(huì)議論文集（下冊(cè)）[C];2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 劉麗娟;支持向量機(jī)超參數(shù)調(diào)節(jié)方法的研究及其在人臉識(shí)別中的應(yīng)用[D];重慶大學(xué);2010年

2 孫鑫;基于LS_SVM建立發(fā)酵過程動(dòng)態(tài)模型及其參數(shù)優(yōu)化[D];北京工業(yè)大學(xué);2013年

，

本文編號(hào)：1148292