支持向量回归学习方法中基于稳定型GA的超参数选择

摘要

作为一种具有很好应用前景的学习机器,支持向量机(SVM)的超参数选择在实际应用中一直是一个十分重要的问题.文中提出了一种基于稳定型遗传算法的支持向量回归模型(SVR)超参数选择方法.该方法吸收了标准的世代型遗传算法在全局搜索方面的优势,又具有更好的效率和更少的代价,对于像SVR超参数这样计算量大的应用问题非常适合.算法仿真将本文提出的方法与标准的世代型遗传算法和传统格搜索方法同时应用于BostonHousing标准数据集及实际的电力负荷预测,验证了本文方法的有效性和较高的整体性能.