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