一种融合经验的数据驱动回归预测算法

摘要

本发明涉及一种融合经验的数据驱动回归预测算法，将业务经验或数据观察分析表达为与目标对应的数学方程式，利用神经网络函数对数学方程式中的自变量系数进行预测，并结合数学方程式中的自变量得出预测值，然后将该预测值和实际值进行对比，通过预测值和实际值间的损失函数反向传播，令损失函数最小，不断迭代更新自变量系数，最终得出准确的预测结果，从而实现对目标符合经验或观察分析地预测。本方法在预测未见数据时，使得训练样本在分布稀疏处可以实现良好的泛化能力，满足实际需要，并能得到相关敏感度，具有极大的市场应用价值。