方差膨胀因子名词解释

在做机器学习任务时，手中可能不具备足够多的样本资料，而且在相应的特征

上也可能存在着噪音值，使得学习效果有待改善。对此，学术界十分重视，尤其是

在计算机视觉等相关领域，不断提出了抗噪（

noise reduction

）等技术以提高学

习的准确度。其中，使用“方差膨胀因子”（

variance inflation factor

）也是

可以提高学习性能的有效方案之一。

“方差膨胀因子”实际上是回归分析中使用的一个概念，主要用来衡量模型当

中，每一个解释变量对模型表现影响的程度。以简单的例子来说，年龄作为解释变

量，如果用来预测学生英语测验成绩，而结果发现方差膨胀因子偏大的话，说明这

个变量（年龄）拥有较大的影响力，也可能是存在其他多重关系造成的。

机器学习任务中，采用方差膨胀因子也能发挥作用。对于已有的特征来说，如

果能加以量化，就能有利于抗噪，提升学习性能。此外，在参与运算时，采用有限

元素法或者阻尼法与方差膨胀因子结合也能获得有效的结果。

从更深一步看，方差膨胀因子可以被视为在已有特征条件下，噪音值的量化，

通过量化噪音的方法可以加快机器学习的运算速度，促进相关计算机视觉的研究。

“方差膨胀因子”的出现，也将有助于普及相关算法，提升算法在技术应用上的可

操作性。