阅读量：

793

作者：

邓百川，云永欢，梁逸曾

展开

摘要：

本文提出了一种新的变量选择的优化算法——变量空间迭代收缩法(VISSA).该方法基于模型集群分析(MPA)的思想,在每次迭代过程中逐步优化变量空间,最终达到选择最优变量组合的目的.本文首次提出了加权二进制采样法,通过加权的随机采样构造变量子空间.每一次迭代过程满足两个准则:1,变量空间逐渐收缩;2,变量空间逐渐优化.通常的变量选择方法不能满足第二个原则.该方法与现有较流行的变量选择方法,如竞争自适应重加权采样法(CARS),蒙特卡洛无信息变量消除法(MC-UVE),迭代保留有信息变量法(IRIV)进行比较,表现出较明显的优势.用VISSA选出的变量建模,无论交互检验还是独立测试集的预测误差都是最小的.VISSA方法的优势主要有:1,考虑了变量组合的影响;2,变量空间软性收缩.

展开

关键词：

变量选择 变量空间 二进制采样 模型集群分析 偏最小二乘

会议名称：

中国化学会第29届学术年会

会议地点：

中国北京