基于相关性变量筛选偏最小二乘回归的多维相关时间序列建模方法

摘要: 针对许多领域中的时间序列存在维数过高以及变量间多重相关性严重等问题,提出一种相关性变量筛选偏最小二乘回归(CVS-PLSR)建模算法.该算法通过引入基于相关性的特征选择(CFS)来获取最优特征子集,进而实现数据降维,并选用偏最小二乘回归法(PLSR)作为建模的核心算法,有效地解决了变量间多重相关性带来的危害.使用矿浆元素品位预测数据对所提算法进行验证,改进的CVS-PLSR算法得到的模型最精简,测试集均方根误差仅为1.690 2,预测值与实测值相关性达到了97%

你可能感兴趣的:(回归,算法,机器学习)