Lasso算法在SVR模型中的应用

摘要

支持向量回归(SVR)模型对高维数据的研究具有出色的泛化能力和很高的预测精度,但在问题之初,数据往往存在着多重共线性的问题。本文引入Lasso算法进行变量筛选后再建立SVR回归模型,以此期望获得较好的模型效果。选取陕西省一般公共预算收入及相关统计指标数据进行实证分析,使用Lasso算法进行变量优化后建立SVR回归模型对陕西省一般公共预算收入进行预测,从结果上来看,模型预测效果较好,在六个时间节点上,预测值与实际值完全一致。进而说明在高维统计建模时,使用Lasso算法进行变量筛选能够使得模型达到一个较好的效果。