多元线性回归的一种神经计算实现及其优点.pdfVIP

第22卷第4贿 南京邮电学院学报 Vol-22No4 Dec．2002 of ofhs把and’lHerommunicatlons 0Ilrnal 2002年I2月 J Nanji“gI』ni邶lty 文章编号：1000一】972(2002)04一0033—06 多元线性回归的一种神经计算实现及其优点 成卫青 ，l南京邮电学院f{算机科学与技术系，江苏南京 、2自、南大学汁算机科学系．汀苏南京210096 摘要：给出了用模糊感知器学习算击和(s，占)准则估计多元线性回归模型回归系数的详细算法，讨论 了蕾习速率、s和d的设定；并与经典的回归系数估计方法最小二乘法作比较，发现总体拟合最好的 特性时于合异常数据(noi8ydaLa)的情况反而会使预测值背离事实更远，而基于模糊感知器的学习 算法实观线性回归具有鳊程简单、对数据无特殊要求而且对数据的容错性较高的优点，可用来实现 数据挖掘所需要的预测和异常检测功能。 关键词：多元线性回归；模糊感知嚣；(s，6)准则；学习速率；异常数据 中国分类号：iJ212；TPl83文献标识码：A 引 言 的容错性较高”o，试验结果表明：在样本存在异常 回归分析是研究相关关系的强有力j二具，用它 都具有更高的预测精度；并且若使用}、PMLR，异常 可以找山变量I．日J关系的统}f规律，而且当自变量 点的因变量拟合值与其观测值的残差绝对值较 (或称为顷报因F)值精确测得后，可以推算冉因变 LsMMLR及cRNN法都要大，即更适于异常检测。 量(或称为预报对象)的值”。。回归分析已被借鉴 到数据挖掘叶1用于发现数据库·lt的隐含信息、预测 2多元线性回归的统计实现 未来的数据趋势，而这些对于明智的商业决策非常 重要”。多无统计方法的同归包括多元线性回归 众所周知，多元线性回归模型为 (MLR)、宅成分同归(PcR)和非线性(包括nJ化为 y=郑+8 (1) 线性的多项式凹归)偏最小二乘法回归(PI，s)…。 此外回归分析还可以结合模糊理论和人工神经网络 其中，Es=O，cov(8)=盯2，，y= 来实现，方法有模糊回归、径向基函数神经网络法 (RBF)、厂’义回归神经网络法(GRNN)和模糊神经 网络法等”“o。 1 *1J 本文讨沦最常用的多元线件回归。多元线性回 l z21 归的刚归系数f^计统计上传统的实现力法足最小二 乘法(LsMMLR)。这种方法思路简单但需訾定的 I 统if‘知识，实现算法较复杂，井且测试表明总体拟合 z。1 “ 最好的特性对J：含异常数据的情况反而会使预测值 背离事实较远。本文给出摹于模糊感知器学习算法 B=61