[发明专利]集成多元线性回归算法

摘要

本发明公开了集成多元线性回归算法,属于计算机应用技术领域。本发明包括，第一步已知训练集Ltrain＝{(Xk,Yk)Xk∈Rn,Yk∈R,k＝1,...,N}，令θ表示叶节点最少样本个数；第二步以分裂后的两个样本集在输出变量上具有最小均方误差为分裂准则。本发明利用了回归树和MLR简单、快速的优点，同时克服了MLR无法准确描述复杂非线性数据集全局特性的缺点。期望EMLRs算法能够提高风洞马赫数的预测精度，满足工程上马赫数预测速度及精度的要求，均方根误差低于0.002。

主权项

集成多元线性回归算法，其特征在于：包括如下步骤，第一步:已知训练集Ltrain＝{(Xk,Yk):Xk∈Rn,Yk∈R,k＝1,...,N}，令θ表示叶节点最少样本个数；第二步:以分裂后的两个样本子集在输出变量上具有最小均方误差为分裂准则，以“如果叶节点样本个数＜θ，将停止分裂”终止准则，建立具有二叉树结构的回归树，即训练样本从根节点开始，根据某个特征的分段函数，被划分到左、右两个支路上形成父节点，同理又从父节点继续往下划分，直到满足终止条件成为叶节点；第三步:以回归树叶节点为样本子集，令表示由LTrain产生的P个样本子集，其中表示训练子集Li的样本个数；以MLR算法为子模型的学习算法，在样本子集上建立子模型，并通过最小二乘算法估计每个子模型的参数；MLR算法的子模型为第四步:预测时，新输入样本沿着树的一条路径到达某个叶节点，并使用该叶节点上的MLR子模型预测输出值。