一种基于超网络的多目标回归方法

摘要：

多目标回归(Multi-target Regression,MTR)是一种同时预测多个相互关联的连续型输出目标的机器学习问题.在多目标回归中,多个输出目标共享同一个特征表示,其主要挑战在于如何有效地发掘和利用输出目标之间的关联,以提高所有输出目标的预测准确性.文中提出了一种基于超网络的多目标回归方法(Multi-target Regression Method based on Hypernetwork,MTR-HN).首先采用k-means算法对每个连续型输出目标进行一维聚类,然后根据聚类结果将多目标回归问题转化成多类别多标签分类问题,最后采用超网络模型对多类别多标签分类问题进行建模,构建最终的多目标回归预测模型.MTR-HN方法的优点在于:1)对输出空间离散化,能够降低模型过拟合的风险;2)采用超网络模型,能更有效地对输出目标之间的关联进行建模.在18个多目标回归数据集上进行的对比实验表明,文中提出的MTR-HN方法能够取得比现有方法更高的预测准确性.

关键词：机器学习、多目标回归、聚类、多标签分类、超网络

所属期刊栏目：49

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;重庆市自然科学基金面上项目;重庆市科技创新领军人才支持计划;重庆市自然基金重点项目;重庆市教委重点项目;重庆市教委成渝地区双城经济圈建设科技创新项目

在线出版日期：2023-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：138-146