KLERC公司 swMATH编号： 37381 软件作者： 郑松峰 描述： KLERC：内核拉格朗日期望回归计算器。作为普通最小二乘回归的推广，期望回归是通过最小化训练数据上的非对称平方损失函数来拟合的，它可以预测条件期望。在文献中，支持向量机的思想被引入到期望回归中，以增加模型的灵活性，从而产生支持向量期望回归（SVER）。本文将SVER的拉格朗日函数重新构造为非负正切上的可微凸函数，并用简单的迭代算法将其最小化。该算法易于实现，除了基本的矩阵运算外，不需要任何特殊的优化工具箱。理论和实验分析表明，该算法（r）-线性收敛到唯一的极小点。将该方法与模拟数据和实际数据的替代算法进行了比较，我们发现，该方法在计算效率上要高得多，同时可以获得类似的预测精度。 主页： https://link.springer.com/article/10.1007%2Fs00180-020-01003-0 关键词： 二次规划;拉格朗日对偶函数;线性互补问题;核函数 相关软件： erboost公司;Expectreg公司;KERE公司;埃克达特;二次规划优化函数 引用于： 2文件 标准文章 1出版物描述软件，包括1出版物以zbMATH为单位 年份 KLERC：内核拉格朗日期望回归计算器。 兹比尔1505.62446郑松峰 2021 2位作者引用 2 郑松峰 1 崔岳 2篇连载文章中引用 1 计算统计学 1 统计计算与仿真杂志 在2个字段中引用 2 统计学（62-XX） 1 运筹学、数学规划（90-XX） 按年份列出的引文