基于多样性正则化Adaboost的动态选择集成预测方法

来源：管理科学学报杂志2026年第6期北京时间：

作者：成晟，冯晗，张逸飞，张晓，王珏，汪寿阳

单位：成晟,中国科学院数学与系统科学研究院;中国科学院大学经济与管理学院,冯晗,中国科学院数学与系统科学研究院;中国科学院大学经济与管理学院,张逸飞,中国科学院数学与系统科学研究院;中国科学院大学经济与管理学院,张晓,中国科学院数学与系统科学研究院;中国科学院大学经济与管理学院,王珏,中国科学院数学与系统科学研究院;中国科学院大学经济与管理学院,汪寿阳,中国科学院数学与系统科学研究院;中国科学院大学经济与管理学院,

摘要：集成预测中模型多样性与模型预测精度的权衡问题是当前的研究热点之一.针对集成预测中存在的过拟合、预测精度低等问题，本研究提出了一种基于多样性正则化的两阶段动态选择集成策略.第一阶段，通过定义一种权衡多样性与预测精度的损失函数，构建了全新的集成预测多样性正则化策略；第二阶段，提出一种动态选择集成方法，能够有效筛选兼顾多样性与预测精度的候选预测模型.实验结果表明，所提出的两阶段选择集成方法在有效增加模型多样性的情况下显著提高预测精度，从而较好地提升集成预测模型的泛化性能.

关键词：多样性正则化; 动态选择; Adaboost; 集成预测