基于回歸分析的馬爾科夫毯學(xué)習(xí)算法研究及其應(yīng)用.pdf

1、特征選擇是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域的重要研究部分，是從特征集合中選擇相關(guān)的特征，并剔除不相關(guān)特征和冗余特征。特征選擇可以有效減少問題求解中的變量，解決“維度災(zāi)難”的問題。
　　貝葉斯網(wǎng)絡(luò)是將概率論與圖論相結(jié)合，定性和定量的描述數(shù)據(jù)倉庫中變量之間關(guān)系的模型。貝葉斯網(wǎng)絡(luò)中一個變量的馬爾科夫毯包括該變量的父結(jié)點、子結(jié)點和配偶結(jié)點(子結(jié)點的父結(jié)點)。一個變量的馬爾科夫毯可以屏蔽網(wǎng)絡(luò)中其它變量對該變量的影響。
　　本文首先介紹了馬爾科夫

2、毯學(xué)習(xí)算法的研究現(xiàn)狀，部分算法中存在著包含錯誤冗余結(jié)點的問題。回歸分析是確定變量之間相關(guān)關(guān)系的統(tǒng)計分析方法，通過假設(shè)檢驗，剔除與因變量相關(guān)性弱及不相關(guān)的變量。將馬爾科夫毯學(xué)習(xí)算法和回歸分析相結(jié)合，剔除候選馬爾科夫毯中與目標(biāo)變量相關(guān)性弱和不相關(guān)的變量，并利用條件獨(dú)立測試返回最終的馬爾科夫毯。將該方法在經(jīng)典網(wǎng)絡(luò)上的實驗結(jié)果與已有的馬爾科夫毯學(xué)習(xí)算法進(jìn)行比較，表明了該方法的有效性和可靠性。
　　股市的行業(yè)板塊間具有很強(qiáng)的相關(guān)性，而房地產(chǎn)