单参数支持向量回归算法

摘要

支持向量机是一种基于统计学习理论的新颖的机器学习方法,由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点.这种方法已广泛用于解决分类和回归问题.在回归中,标准的支持向量回归算法在采用ε-不敏感损失函数时引入两个参数.为了减小学习复杂性,给出一种单参数约束下的支持向量回归算法,该算法能够减少支持向量的数量,提高程序的运行速度.最后,以一个混沌时间序列预测为例,所给方法同标准支持向量回归算法进行了比较,运行速度明显提高.