首頁 > 期刊 > 自然科學與工程技術(shù) > 基礎(chǔ)科學 > 基礎(chǔ)科學綜合 > 西北大學學報·自然科學版 > 考慮數(shù)據(jù)噪聲的魯棒回歸建模方法綜述 【正文】
考慮數(shù)據(jù)噪聲的魯棒回歸建模方法綜述
胡清華; 汪運 天津大學智能與計算學部; 天津300350; 天津大學人工智能學院; 天津大學天津市機器學習重點實驗室、中國人工智能學會、粒計算與知識發(fā)現(xiàn)專委會; IEEE; Transactions; on; Fuzzy; Systems; 《自動化學報》
- 噪聲
- 加權(quán)函數(shù)
- 魯棒損失函數(shù)
- 噪聲分布先驗
- 魯棒回歸
摘要：在開放環(huán)境下,數(shù)據(jù)中包含很多不確定性,如數(shù)據(jù)噪聲等,這給傳統(tǒng)的機器學習方法帶來了巨大的挑戰(zhàn)。該文綜述了當前考慮數(shù)據(jù)噪聲的魯棒回歸建模方法,具體可分為兩大類:基于數(shù)據(jù)預(yù)處理的魯棒回歸建模方法和基于魯棒策略的魯棒回歸建模方法。前者根據(jù)數(shù)據(jù)預(yù)處理方法的不同又分為基于異常點檢測和基于信號處理的魯棒回歸建模方法。后者所采用的魯棒策略主要有3種:加權(quán)函數(shù)、魯棒損失函數(shù)以及噪聲分布先驗。文中詳細地描述了魯棒回歸建模各個方向的研究工作,并對比了兩類魯棒回歸建模方法的優(yōu)劣。最后,根據(jù)當前魯棒回歸建模存在的一些問題,也提出了構(gòu)建魯棒模型的幾種可行的策略。
- 噪聲
- 加權(quán)函數(shù)
- 魯棒損失函數(shù)
- 噪聲分布先驗
- 魯棒回歸
摘要：在開放環(huán)境下,數(shù)據(jù)中包含很多不確定性,如數(shù)據(jù)噪聲等,這給傳統(tǒng)的機器學習方法帶來了巨大的挑戰(zhàn)。該文綜述了當前考慮數(shù)據(jù)噪聲的魯棒回歸建模方法,具體可分為兩大類:基于數(shù)據(jù)預(yù)處理的魯棒回歸建模方法和基于魯棒策略的魯棒回歸建模方法。前者根據(jù)數(shù)據(jù)預(yù)處理方法的不同又分為基于異常點檢測和基于信號處理的魯棒回歸建模方法。后者所采用的魯棒策略主要有3種:加權(quán)函數(shù)、魯棒損失函數(shù)以及噪聲分布先驗。文中詳細地描述了魯棒回歸建模各個方向的研究工作,并對比了兩類魯棒回歸建模方法的優(yōu)劣。最后,根據(jù)當前魯棒回歸建模存在的一些問題,也提出了構(gòu)建魯棒模型的幾種可行的策略。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
我們提供的服務(wù)
在線客服
一對一咨詢服務(wù)、簡單快捷、省時省力
了解更多 >
快遞配送
直郵到家、實時跟蹤、更安全更省心
了解更多 >
雜志訂閱
去除中間環(huán)節(jié)享受低價，物流進度實時通知
了解更多 >
雜志推薦
正版雜志，匹配度高、性價比高、成功率高
了解更多 >