藉由整合權重的生成以改善單一數值預測模式整合法對小樣本之預測準確率

  • 林 泓暘

學生論文: Master's Thesis

摘要

在這資訊爆炸的時代,資訊的普及性提升,因此如何從有限的資料裡找尋找並歸納出我們想要且有用的資訊,是小樣本學習中非常重要的課題。近年來,對於整合法之研究主要琢磨於模式整合過程,對於如何整合其結果之研究相對甚少,而資料探勘的方法又可分為分類與預測,整合法在分類預測問題大多藉由投票多數決方式表決,在數值預測問題方面,最後整合階段則大多以簡單平均法為之,但簡單平均法較容易受極端值影響,尤其在樣本數較少的情況下更為明顯,故本研究考量此問題,針對單一模式整合法應用於數值預測問題時,提出一個基於模糊理論與盒鬚圖之整合權重計算方法,冀望能改善此問題。 本研究將拔靴整合法(Bootstrap Aggregating Bagging)進行改良,運用支援向量迴歸作為預測模型,依據各預測模型的偏誤值來計算權重,因此每筆預測值都會得到一筆與其對應的權重值,最後再計算各模式於追求最小誤差目標下之妥協預測值,以取得系統之穩健性。在方法的效果驗證上,本研究與簡單平均法、模式預測值進行比較,同時以從面板廠所取得之實務個案,冀望能夠提升多模式整合法的預測準確率。
獎項日期2017 七月 14
原文Chinese
監督員Der-Chiang Li (Supervisor)

引用此

藉由整合權重的生成以改善單一數值預測模式整合法對小樣本之預測準確率
泓暘, 林. (Author). 2017 七月 14

學生論文: Master's Thesis