一种具有自动精度控制的 $\nu$-支持向量分位数回归模型

Pritam Anand; Reshma Rastogi; Suresh Chandra

一种具有自动精度控制的 $\nu$-支持向量分位数回归模型

机器学习 2019-10-22 v1 机器学习

作者: Pritam Anand , Reshma Rastogi , Suresh Chandra

摘要

本文提出一种新颖的“ $\nu$ -支持向量分位数回归”（ $\nu$ -SVQR）模型用于分位数估计。它能够根据数据中存在的方差创建合适的非对称 $\epsilon$ -不敏感区，从而实现对精度的自动控制。所提出的 $\nu$ -SVQR 模型使用训练数据点的 $\nu$ 比例来进行分位数估计。在 $\nu$ -SVQR 模型中，训练点以 $1-\tau$ 与 $\tau$ 的比例渐近地出现在非对称 $\epsilon$ -不敏感管的上方和下方。此外，所提出的 $\nu$ -SVQR 模型还有其他有趣的性质，我们在本文中作了简要描述。这些性质已使用人工和真实世界数据集进行了实证验证。

关键词

支持向量分位数回归自动精度控制非对称 $\epsilon$-不敏感区稀疏分位数估计 $\nu$ 比例

引用

@article{arxiv.1910.09168,
  title  = {A $\nu$- support vector quantile regression model with automatic accuracy control},
  author = {Pritam Anand and Reshma Rastogi and Suresh Chandra},
  journal= {arXiv preprint arXiv:1910.09168},
  year   = {2019}
}

一种具有自动精度控制的 $\nu$-支持向量分位数回归模型

摘要

关键词

引用

相关论文