[发明专利]一种提高SVM建模准确率的方法

摘要

SVM(支持向量机)建模的方法是建立在统计学习理论上的机器学习方法，具有相对优良的性能指标，常用于差异基因的研究中。但常规SVM建模方法的准确率不太高，本发明设计了一套SVM建模的实施流程，用以提高其建模的准确率。该方法的基本思路为：对一特定样本建立多组训练集和测试集，用以建立多组SVM模型，对每组模型寻找最优SVM参数范围和预测错误的样本，然后取各组的交集，保留交集中的SVM参数，剔除交集中的错误样本号，最后以最优SVM建模参数和不全错误的样本重新建立SVM模型。

主权项

本发明所述的一种提高SVM建模准确率的方法，该方法包括如下几步基本特征：步骤1、选取特定样本建立N组训练集和测试集步骤2、选一组训练集和测试集进行SVM建模步骤3、寻找最优SVM参数范围，记录预测错误样本号。步骤4、对每组训练集和测试集重复步骤2、3。步骤5、取各组最优SVM参数范围的交集，剔除共有的预测错误的样本步骤6、应用上述SVM参数，重新建立SVM模型步骤7、SVM模型的微调 。