论文部分内容阅读
支持向量机（SVM）因为核函数应用内积运算造成了模型较强的“黑箱性”。目前SVM的“黑箱性”研究主要采用规则提取方法解决分类问题，而回归问题鲜有提及。针对回归问题，尝试性提出基于回归树算法的SVM回归规则提取方法，算法充分利用支持向量的特殊性以及回归树的优势，建立支持向量的决策树模型，成功提取出决策能力高，包含变量少，计算量小且容易读取的规则。通过标准数据集AutoMPG和实际的煤制甲醇生产数据集进行了验证，与其他算法对比分析结果表明，所提取的回归规则在训练精度和预测精度等方面都有一定程度的提高。