基于改进回归树的支持向量机规则提取及应用

简介

支持向量机（SVM）具有较强的“黑箱性”，用户对数据的处理过程难以理解。基于回归树算法可有效提取规则，但是传统回归树算法叶节点通常采用算术平均数作为规则的结果，缺陷是到达叶节点样本较多且目标值浮动较大会导致训练和预测的准确度严重下降，而目精度严重依赖于终止条件的设定值。由此提出的改进算法是在回归树的叶节点处采用最小二乘法拟合出对应的函数表达式，代替原算法中的算术平均数。应用煤制甲醇数据进行验证，结果表明改进的回归树算法相比于传统回归树算法训练精度提高了10．6％，预测准确度提高16．3％，同时也有效避免终止条件取值的盲目尝试性，提高实验效率。