基于属性频率和精度的组合预测单项模型筛选

摘要：

文章针对已有的基于粗糙集理论的组合预测单项模型筛选方法存在属性重要度可能均为0的问题,选取属性频率作为属性重要度评价标准;针对原算法未考虑单项模型预测精度可能导致组合预测精度不高的问题,结合单项模型的均方根误差构成新的属性重要度评价标准,提高了组合预测精度,同时解决了属性因重要度相同而难以选择的问题;为使算法完整,将筛选过程细化为有核与无核两种情况,并给出详细算法步骤.结合四种组合预测方法与不筛选和原算法得到的模型集进行实例对比分析,验证了筛选的必要性与该算法的有效性.

关键词：粗糙集理论、均方根误差、属性重要度、单项预测模型、筛选

所属期刊栏目：38

分类号：O212.1(概率论与数理统计)

资助基金：国家社会科学基金18BGL287

在线出版日期：2022-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：22-27