[发明专利]一种基于RReliefF算法和支持向量回归的趋势预测方法

摘要

本发明涉及基于RReliefF算法和支持向量回归的趋势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)确定类别样本I₁，I₂对特征属性T的差异程度S；(2)更新质量估计权值W[T]；(3)确定特征属性T(t₁，t₂，...，t_s)；(4)训练支持向量回归模型，求解f(x)；(5)将测试集样本作为输入，利用RReliefF算法选取特征向量并输入支持向量回归模型中进行预测，得到预测结果。本发明所建立的基于RReliefF算法和支持向量回归的趋势预测方法，用RReliefF算法进行特征提取，并将其作为支持向量回归模型的输入进行训练，实现了数值预测。通过多组数据实验结果可知，相比于其他模型相比，本发明训练时间更短并且预测精度相对较高，为趋势预测提供了在保证了预测精度的基础上增加模型的训练速度的预测方法。

主权项

1.基于RReliefF算法和支持向量回归的趋势预测方法，其具体归类步骤如下：(1)确定类别样本I₁，I₂对特征属性T的差异程度S：式中，value(T，I₁)和value(T，I₂)分别表示具有属性值T的类别样本I₁，I₂的判别值；(2)更新质量估计权值W[T]：其中，P_difA＝P(difvalue(A)|相近的样本)P_difc＝P(difprediction|相近的样本)，P_difC|difA＝P((difprediction|difvalue(A))|相近的样本)(3)确定特征属性T(t₁，t₂，...，t_s)：根据样本对所有属性T的判别值更新质量估计W[T]，进行特征选择；(4)训练支持向量回归模型，求解f(x)：式中，x为输入样本，α_i为拉格朗日乘子(5)将测试集样本作为输入，利用RReliefF算法选取特征向量并输入支持向量回归模型中进行预测，得到预测结果，完成基于RReliefF算法和支持向量回归的趋势预测方法。