面向大规模数据属性效应控制的核心向量回归机

来源：计算机研究与发展杂志2017年第9期北京时间：

作者：刘解放,王士同,王骏,邓赵红,

摘要：属性效应在现实生活中广泛存在，如果不加以控制，将会严重影响回归学习的性能.针对大规模数据属性效应控制的非线性回归学习问题，提出了快速等均值核心向量回归机(fastequalmean-corevectorregression,FEM-CVR).首先基于间隔最大化目标学习准则，通过施加等均值约束条件，提出了等均值支持向量回归机(equalmean-supportvectorregression,EM-SVR).在此基础上，证明了EM-SVR等价于一个中心约束最小包含球(centerconstrained-minimumenclosingball,CC-MEB)问题，然后通过引入近似最小包含球理论，得到原始输入数据集的压缩集即核心集(coreset)，进一步提出了针对大规模数据属性效应控制的最小包含球快速非线性回归学习方法FEM-CVR，并从理论上对相关性质进行了深入分析.实验表明:该方法能够快速处理针对大规模数据属性效应控制的非线性回归学习问题，具有较好的泛化能力，并且其时间复杂度上限与数据集大小无关，仅与最小包含球近似参数ε有关.

关键词：回归学习, 属性效应控制, 中心约束最小包含球, 等均值约束, 大规模数据,