針對Lasso回歸與支持向量回歸（SVR）兩者各自的優(yōu)勢,文章提出了一種新型的結合以上兩種方法的基于向量夾角余弦的變權重組合預測模型。考慮到預測值向量和實際值向量之間的夾角越小,它們越接近,因此以最大化向量夾角余弦作為標準來構造變權重組合預測模型。假設單一預測模型的權重是隨時間連續(xù)變化的,研究在預測值向量與真實值向量的夾角余弦最大的條件下單一預測模型權重隨時間變化的情況。實證分析結果表明,基于向量夾角余弦的變權組合預測模型與單一預測方法相比,具有更高的預測精度。同時組合預測模型彌補了Lasso回歸在處理非線性數據方面的不足。 

【文章來源】：統(tǒng)計與決策. 2020,36(18)北大核心CSSCI

【文章頁數】：5 頁

【參考文獻】：
期刊論文
[1]基于Lasso-GRNN神經網絡模型的地方財政收入預測[J]. 蔣鋒,張婷,周琰玲.  統(tǒng)計與決策. 2018(19)
[2]嶺回歸、LASSO回歸和Adaptive-LASSO回歸下的財政收入因素分析[J]. 董小剛,刁亞靜,李慧玲,王純杰,溫麗男.  吉林師范大學學報(自然科學版). 2018(02)
[3]基于Lasso和支持向量機的組合預測及其應用[J]. 喻勝華,龔尚花.  經濟數學. 2016(02)
[4]基于向量夾角余弦的組合預測模型的性質研究[J]. 陳華友,盛昭瀚,劉春林.  管理科學學報. 2006(02)
[5]基于相關性的組合預測方法研究[J]. 王應明.  預測. 2002(02)
[6]變權組合預測模型研究[J]. 唐小我,曾勇,曹長修.  預測. 1993(03)
[7]變權重組合預測模型的建立與應用[J]. 謝如賢,成盛超,吳健中.  預測. 1992(04)



本文編號：3075044