基于新型非对称 $\epsilon$-不敏感 pinball 损失函数的支持向量分位数回归模型
机器学习
2019-08-20 v1 机器学习
摘要
在本文中，我们提出一种用于分位数估计的新型非对称 -不敏感 pinball 损失函数。现有一些 pinball 损失函数试图将 -不敏感区方法纳入其中，但未能真正意义上将 -不敏感方法推广至分位数估计。所提出的非对称 -不敏感 pinball 损失函数可在数据周围形成固定宽度的非对称 -不敏感区，并利用 值将其划分以估计第 分位数。将该非对称 -不敏感 pinball 损失函数用于支持向量分位数回归（SVQR）模型，可显著提升其预测能力，并使 SVQR 模型重新具备稀疏性。此外，在人工与真实世界数据集上开展的若干实验所得数值结果，实证表明了所提出的「-支持向量分位数回归」（-SVQR）模型相对于其他现有 SVQR 模型的优越性。
引用
@article{arxiv.1908.06923,
title = {A new asymmetric $\epsilon$-insensitive pinball loss function based support vector quantile regression model},
author = {Pritam Anand and Reshma Rastogi and Suresh Chandra},
journal= {arXiv preprint arXiv:1908.06923},
year = {2019}
}