《回归分析的优缺点等.docx》由会员分享，可在线阅读，更多相关《回归分析的优缺点等.docx（3页珍藏版）》请在三一文库上搜索。
1、21、回归分析法有何优点在使用该法时,应注意哪些问题答：优点：1、回归分析法在分析多因素模型时,更加简单和方便；2、运用回归模型,只要采用的模型和数据相同,通过标准的统计方法可以计算出唯一的结果,但在图和表的形式中,数据之间关系的解释往往因人而异,不同分析者画出的拟合曲线很可能也是不一样的；3、回归分析可以准确地计量各个因素之间的相关程度与回归拟合程度的上下,提升预测方程式的效果；在回归分析法时,由于实际一个变量仅受单个因素的影响的情况极少,要注意模式的适合范围,所以一元回归分析法适用确实存在一个对因变量影响作用明显高于其他因素的变量是使用.多元回归分析法比拟适用于实际经济问题,受多因素综合影
2、响时使用.缺点：有时候在回归分析中,选用何种因子和该因子采用何种表达式只是一种推测,这影响了用电因子的多样性和某些因子的不可测性,使得回归分析在某些情况下受到限制.支持向量机作为一种在统计学习理论根底上开展起来的机器学习方 法是目前运用于数据挖掘利模式识别的 个非常苑大的匚具.具有 以下优点：L模型结构简单,参数较少：2.建模所需要的样本较少,专门针对小样本情况：3,具有较好的泛化水平.对新样本往往能显示出较好的推广水平；4 ,能够较好的处理非线性和高维数的问题：5 .有多种核函数可供选择,建立不同的分类曲面,解决不同类型数 据的问题；6 .从理论上,算法得到的居全局最优,解决神经网络方法无法
3、避 免的局部最优问题,支持向量机能非常成功地处理回归问题时间序列分析和模式识别分类问题、判别分析等诸多问题,并可推广于预测和综合评价等领域,因此可应用于理科、工科和治理 等多种学科.目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速开展阶段两个缺乏：1 SVM算法对大规模练习样本难以实施由于SVM是借助二次规划来求解支持向量,而求解二次规划将涉及 m阶矩阵的计 算m为样本的个数,当m数目很大时该矩阵的存储和计算将消耗大量的机器 内存和运算时间.针对以上问题的主要改良有有的 SMOJ法、的SVM等的PCGC 张学工的CSVMW及等的SO也法2用SVMS决多分类问题存在困难经典的支持向量机算法只给出了二类分类的算法,而在数据挖掘的实际应用中,一般要解决多类的分类问题.可以通过多个二类支持向量机的组合来解决. 主要 有一对多组合模式、一对一组合模式和SVM*策树；再就是通过构造多个分类器 的组合来解决.主要原理是克服SVMS有的缺点,结合其他算法的优势,解决多 类问题的分类精度.如：与粗集理论结合,形成一种优势互补的多类问题的组合 分类器.