本文關(guān)鍵詞：貪心算法的地理加權(quán)回歸特征變量選擇方法

  更多相關(guān)文章： 特征變量選擇 地理加權(quán)回歸 貪心算法 人口影響因素

【摘要】：針對建立地理加權(quán)回歸(GWR)模型時,無法直接應(yīng)用普通線性回歸(OLR)常用的特征變量選擇方法,且計算過程較復(fù)雜的問題,該文基于貪心算法原理,通過引入Akaike信息法則,設(shè)計了適用于GWR的特征變量選擇方法:逐個引入或刪除特征變量,判斷該變量對模型置信水平影響程度,根據(jù)評價準(zhǔn)則決定該變量的取舍,最終實現(xiàn)模型外沒有關(guān)系強的變量、模型內(nèi)沒有關(guān)系弱的變量。實驗結(jié)果表明,比較基于OLR的逐步回歸、向前引入法和向后刪除法3種方法選擇變量建立模型,向前引入法優(yōu)于向后剔除法,兩者都優(yōu)于基于OLR的逐步回歸法,更適用于GWR分析。
【作者單位】： 遼寧工程技術(shù)大學(xué);中國測繪科學(xué)研究院;
【關(guān)鍵詞】： 特征變量選擇 地理加權(quán)回歸 貪心算法 人口影響因素
【基金】：公益性行業(yè)科研專項(201512032) 中國測繪科學(xué)研究院基本科研項目(7771414) 基礎(chǔ)測繪項目(201512027)
【分類號】：P208
【正文快照】： 0引言特征變量選擇是建立回歸模型的前提,它是用一定的方法從多個特征變量中選擇影響顯著、去掉影響不顯著的變量的過程[1],其結(jié)果的準(zhǔn)確程度決定著回歸模型的可靠性。貪心算法是一種采用局部最優(yōu)思想獲取整體最優(yōu)解或整體近似最優(yōu)解的有效方法,被廣泛應(yīng)用于人工智能、資源配，

本文編號：757496