انحدار المتجهات الداعمة
Support Vector Regression (SVR)
يبحث عن دالة لا تنحرف عن الأهداف بأكثر من ε مع أكبر هامش، وبنواة RBF لالتقاط اللاخطية. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنبؤ متعدد الخطوات تكرارياً (Recursive).
المبدأ
المسألة الثنائية تُحل في المتصفح بالانحدار الإحداثي الثنائي (Dual Coordinate Descent) مع إدراج الانحياز في النواة، على آخر 1500 صف كحد أقصى.
متطلبات البيانات
خصائص موحدة المقياس (يفعل المختبر ذلك تلقائياً).
المعاملات
- C
- عقوبة الخطأ
- ε
- عرض الأنبوب
- γ
- عرض نواة RBF
المزايا
- جيد مع بيانات متوسطة الحجم
- مقاوم للقيم الشاذة بفضل ε
العيوب
- تكلفة O(n²) للذاكرة
- حساس لـ C وγ
الاستخدامات
- سلاسل قصيرة غير خطية
مثال تطبيقي
جرّب C=1 ثم C=100 على بيانات الإنترنت WWWusage ولاحظ أثر التنظيم.
