摘要：支持向量回归机（support vector regression,SVR）是近年来发展起来的一种通用的机器学习方法。目前已被广泛应用于工业、经济等很多领域,取得了良好的效果。但对于大规模非平稳数据的训练学习,会因为规模较大和样本长度选择的问题,影响到预测结果的精度。为了有效缩减训练样本长度,选择出合适的训练样本,提出基于信息熵的训练样本长度选择方法。该方法利用信息熵对数据的平稳性进行度量,从而选择出最平稳的数据进行学习。该方法不但减少了数据长度、节省了学习时间,同时也提高了预测结果的精度。

原文链接:http://www.cqvip.com//QK/90021X/201020/34634550.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）