隨著近些年大數(shù)據(jù)時(shí)代的崛起,數(shù)據(jù)的分析和處理在社會科學(xué)、信息科學(xué)、生物學(xué)、醫(yī)學(xué)和金融學(xué)等各大科學(xué)領(lǐng)域都日益受到重視,對數(shù)據(jù)本質(zhì)特征的提取和模式發(fā)現(xiàn)成為一個(gè)重要的研究方向.面對海量的數(shù)據(jù),我們需要建立合適的數(shù)學(xué)模型并挖掘出盡可能少而充分有效的數(shù)據(jù)來進(jìn)行分析,運(yùn)用到實(shí)際生活和工作中.Lasso方法是一種能夠有效地處理高維數(shù)據(jù),而且可以提高模型精確度的變量選擇方法.它屬于一類典型的系數(shù)壓縮回歸方法,即可以對多余的變量進(jìn)行壓縮變?yōu)?并篩除掉多余的變量,進(jìn)而實(shí)現(xiàn)變量選擇與對應(yīng)參數(shù)的估計(jì).對傳統(tǒng)的模型選擇方法來說,Lasso及改進(jìn)的Lasso方法能夠克服其在選擇模型中的某些不足,Lasso方法及其改進(jìn)方法在統(tǒng)計(jì)學(xué)理論方面以及在各類模型中的應(yīng)用也受到了很大的重視.本文主要研究Lasso及改進(jìn)的Lasso方法分別在BP神經(jīng)網(wǎng)絡(luò)模型、平衡縱向數(shù)據(jù)模型及半?yún)?shù)Logistic模型上變量選擇的應(yīng)用.第一部分,將Lasso方法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,建立對廣西城鎮(zhèn)住房需求預(yù)測模型.通過分別對BP神經(jīng)網(wǎng)絡(luò)、基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)以及基于Lasso方法的BP神經(jīng)網(wǎng)絡(luò)的結(jié)果進(jìn)行比較和預(yù)測,說明基于Lasso方法的BP神經(jīng)網(wǎng)絡(luò)能夠獲得較好的預(yù)測效果.第二部分,探討改進(jìn)的Lasso方法在平衡縱向數(shù)據(jù)模型中的性質(zhì),研究其變量選擇問題,并通過數(shù)值模擬將自適應(yīng)彈性網(wǎng)方法的結(jié)果與Lasso、自適應(yīng)Lasso和彈性網(wǎng)方法的結(jié)果進(jìn)行對比,初步數(shù)值結(jié)果表明改進(jìn)的Lasso方法所得的結(jié)果更準(zhǔn)確.第三部分,主要研究基于改進(jìn)的Lasso方法的半?yún)?shù)Logistic模型的變量選擇問題,給出了該模型中未知參數(shù)和未知函數(shù)的估計(jì)方法,探討了其估計(jì)問題.最后,利用Lasso方法、彈性網(wǎng)方法和自適應(yīng)彈性網(wǎng)方法三種不同變量選擇方法來進(jìn)行比較分析,來說明自適應(yīng)彈性網(wǎng)方法具有優(yōu)良的變量選擇效果.
【學(xué)位單位】：廣西師范學(xué)院
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：O212.1;TP183
【部分圖文】：

紹型的發(fā)展, BP神經(jīng)網(wǎng)絡(luò)與其他學(xué)科的結(jié)們的關(guān)注, 成為了當(dāng)今的研究熱點(diǎn). 作應(yīng)用前景也很好. 在醫(yī)學(xué)界, 神經(jīng) 在金融方面, 被應(yīng)用于股票市場的漲用于模式識別、專家系統(tǒng)等. 下面對hart等[20]提出BP 神經(jīng)網(wǎng)絡(luò)(Back propa了隱含層, 如圖 2.1 所示, 它可由輸可以允許有多個(gè)隱含層節(jié)點(diǎn). 對于給定神經(jīng)網(wǎng)絡(luò)對誤差進(jìn)行逆向傳遞, 并進(jìn)多層網(wǎng)絡(luò)的設(shè)想.

圖 2.2 網(wǎng)絡(luò)學(xué)習(xí)過程到的公式[36]:元的輸出公式.1exp[()]11 miijijjWXZ 的求解公式.1exp[()]11 njjkjjkVZY 節(jié)公式 ()().'jttt o yfB接權(quán)值的調(diào)整公式 ()' jktt V o yf節(jié)公式 ()()(''1tnkijktt VoyfBf 接權(quán)值的調(diào)整公式()()()'' niijjktttttW VoyfBfAX
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李春紅;黃登香;戴洪帥;;Adaptive Elastic Net方法在Logistic回歸模型中的應(yīng)用（英文）[J];工程數(shù)學(xué)學(xué)報(bào);2015年05期

2 李春紅;韋新星;;Elastic Net方法在Cox模型變量選擇中的研究[J];西南大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年07期

3 李春紅;黃登香;覃朝勇;;一種改進(jìn)的Lasso方法及其在對數(shù)線性模型中的應(yīng)用[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年03期

4 李鋒;蓋玉潔;盧一強(qiáng);;測量誤差模型的自適應(yīng)LASSO變量選擇方法研究[J];中國科學(xué):數(shù)學(xué);2014年09期

5 李會民;王普;方麗英;閆健卓;;基于混合效應(yīng)模型的縱向數(shù)據(jù)建模方法研究[J];內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

6 葛懷志;張金隆;;湖北省城鎮(zhèn)居民住房需求預(yù)測模型與實(shí)證[J];統(tǒng)計(jì)與決策;2013年10期

7 張鶴;肖澤干;;基于BP神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)市場持續(xù)健康發(fā)展評價(jià)研究——以南昌市為例[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年03期

8 曲婷;王靜;;基于Lasso方法的平衡縱向數(shù)據(jù)模型變量選擇[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);2012年06期

9 王娉;郭鵬江;夏志明;;Logistic模型中參數(shù)的自適應(yīng)Lasso估計(jì)[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

10 崔靜;郭鵬江;夏志明;;自適應(yīng)Lasso在Poisson對數(shù)線性回歸模型下的性質(zhì)[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

相關(guān)碩士學(xué)位論文 前6條

1 許麗慶;縱向數(shù)據(jù)模型的變量選擇及其在網(wǎng)絡(luò)營銷中的應(yīng)用[D];廣西大學(xué);2017年

2 王鳳利;基于BP神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論的疾病預(yù)測模型研究[D];太原理工大學(xué);2016年

3 張靜;基于Lasso方法和BP神經(jīng)網(wǎng)絡(luò)的居民消費(fèi)支出預(yù)測研究[D];湖南大學(xué);2014年

4 周小玲;縱向二分類數(shù)據(jù)的半?yún)?shù)回歸及改進(jìn)的偏差檢驗(yàn)[D];南京大學(xué);2012年

5 盧穎;廣義線性模型基于Elastic Net的變量選擇方法研究[D];北京交通大學(xué);2011年

6 尹超;基于半?yún)?shù)Logistic回歸模型的我國財(cái)產(chǎn)保險(xiǎn)公司償付能力研究[D];天津財(cái)經(jīng)大學(xué);2010年

本文編號：2890712