最小二乘孿生參數(shù)化不敏感支持向量回歸機(jī)

　　孿生參數(shù)化不敏感支持向量回歸機(jī)（twin parametric insensitlve support vector regression，簡(jiǎn)稱TPISVR）是一種新型機(jī)器學(xué)習(xí)方法．與其他回歸方法相比，TPISVR在處理異方差噪聲方面具有獨(dú)特的優(yōu)勢(shì)．標(biāo)準(zhǔn)TPISVR的訓(xùn)練算法可以歸結(jié)為在對(duì)偶空間求解一對(duì)具有不等式約束的二次規(guī)劃問題．然而，這種求解方法的時(shí)間消耗比較大．引入最小二乘思想，將TPISVR的兩個(gè)二次規(guī)劃問題轉(zhuǎn)化為兩個(gè)線性方程組，并在原始空間上直接求解，提出了最小二乘孿生參數(shù)化不敏感支持向量回歸機(jī)Oeast squares TPISVR，簡(jiǎn)稱LSTPISVR）．為了解決LSTPISVR的參數(shù)選擇問題，提出了混沌布谷鳥優(yōu)化算法，并用其對(duì)LSTPISVR的參數(shù)進(jìn)行優(yōu)化選擇．在人工數(shù)據(jù)集和UCI數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明：LSTPISVR在保持精度不下降的情況下，具有更高的運(yùn)行效率．