[发明专利]基于R-SVM的TFT-LCD工业智能预测方法

权利要求书

1.基于R-SVM的TFT-LCD工业智能预测方法，其特征在于：本方法数据来源于阿里天池工业智能制造质量预测公开数据集，数据列包括生产TFT-LCD的工业制作过程。共有8029列，600个样本；

该方法的实现过程包括如下步骤，

步骤1，数据预处理；

步骤2，pca降维；

步骤3，模型搭建；

步骤4，多模型判断优异；

步骤5，模型预测；

步骤6，mse判定。

2.根据权利要求1所述的基于R-SVM的TFT-LCD工业智能预测方法，其特征在于：步骤1，数据预处理；在数据预处理部分，首先对8029列数据中的离散型数据进行了处理；根据离散型数据列与最终Y值的影响做了一元方差分析；根据离散型列值分析对数据进行了encoder型编码；对数据样本进行去空，重复列去重，对单个空缺值进行填补；

步骤2，PCA降维；在降维阶段，使用pca降维技术，因为数据中没有关于各个列值的具体说明，所以直接采用pca降维的方法；在降维过程中，前300列包含有数据98％以上的信息，在降维阶段保留前300列的数据信息；

步骤3，模型搭建；模型搭建的过程中采用了多种方式对模型进行构造与比对；首先使用k折交叉验证对数据进行训练集与测试集的划分，对划分后的数据进行归一化，为后期模型训练准备数据；

步骤4，模型选定；采用机器学习方法对整个数据样本进行了预测；

MSE是真实值与预测值的均方误差，n是样本个数，是预测值，Y_i是真实值；

在降维之后的特征中随机选择出250列特征值，并从500个训练集中抽出300条做为每一个svm模型的训练集，训练出了15个svm模型；组合形成R-SVM模型；

步骤5，mse判定；将训练好的15个svm模型对测试集进行预测，将结果取均值；根据mse判定方法，计算出R-SVM模型的均方误差。