[发明专利]一种基于马尔科夫链的岭回归数值预测方法

摘要

本发明涉及基于马尔科夫链的岭回归数值预测方法属于机器学习和数据挖掘领域，其特征在于采用如下步骤：(1)确定模型的输出(2)确定损失函数L(ω)；(3)确定ω的值；(4)确定残差序列E＝{e₁，e₂，...，e_n}；(5)确定m步状态转移矩阵p^(m)；(6)已知状态转移矩阵p^(m)和初始状态e_i，建立马尔科夫链对预测结果进行修正；(7)将测试集样本作为输入，进行模型训练，得到预测结果。本发明基于马尔科夫链的岭回归数值预测方法，首先建立岭回归模型进行了预测，然后利用马尔科夫链对预测产生的残差进行了修正，实现数值精准预测。通过多组数据实验结果可知，相比于其他模型相比，本发明为数值预测提供了在保证了预测精度的基础上增强模型泛化能力的预测方法。

主权项

1.基于马尔科夫链的岭回归数值预测方法，其具体归类步骤如下：(1)确定模型的输出其中，Y_k‑1＝{y(0)，y(1)，...，y(k‑1)}，U(k)＝{u(0)，u(1)，...，u(k)}，u(k)是输入变量，θ是m维随时间不断变化的参数，k是离散时间；(2)确定损失函数L(ω)：L(ω)＝ω^Tu(k)^Tu(k)ω‑y(k)^Tu(k)ω+ω^Tu(k)^Ty(k)‑y(k)^Ty(k)+λω^Tω式中，为模型预测值，y(k)为实际值，为加入的正则项；(3)确定ω的值：另即得ω＝(u(k)^Tu(k)+λE)^‑1u(k)^Ty(4)确定残差序列E＝{e₁，e₂，...，e_n}：式中，为模型预测值，y(k)为实际值；(5)确定m步状态转移矩阵p^(m)：(6)已知状态转移矩阵p^(m)和初始状态e_i，建立马尔科夫链对预测结果进行修正；(7)将测试集样本作为输入，进行模型训练，得到预测结果，完成基于马尔科夫链的岭回归数值预测方法。