《回归分析的优缺点等》由会员分享，可在线阅读，更多相关《回归分析的优缺点等（2页珍藏版）》请在金锄头文库上搜索。
1、 21、回归分析法有何优点？在使用该法时，应注意哪些问题？答：优点：1、回归分析法在分析多因素模型时，更加简单和方便； 2、运用回归模型，只要采用的模型和数据相同，通过标准的统计方法可以计算出唯一的结果，但在图和表的形式中，数据之间关系的解释往往因人而异，不同分析者画出的拟合曲线很可能也是不一样的；3、回归分析可以准确地计量各个因素之间的相关程度与回归拟合程度的高低，提高预测方程式的效果；在回归分析法时，由于实际一个变量仅受单个因素的影响的情况极少，要注意模式的适合范围，所以 一元回归分析法适用确实存在一个对因变量影响作用明显高于其他因素的变量是使用。多元回归分析法比较适用于实际经济问题，受多
2、因素综合影响时使用。缺点：有时候在回归分析中，选用何种因子和该因子采用何种表达式只是一种推测，这影响了用电因子的多样性和某些因子的不可测性，使得回归分析在某些情况下受到限制。支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判 别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和 管理 等多种学科目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速 发展阶段两个不足： (1) SVM 算法对大规模训练样本难以实施 由于 SVM 是借助二次规划来求解支持向量，而求解二次规划将涉及 m 阶矩阵 的计算（m 为样本的个数），当 m 数目很大时该矩阵
3、的存储和计算将耗费大量 的机器内存和运算时间。针对以上问题的主要改进有有 J.Platt 的 SMO 算法、 T.Joachims 的 SVM、C.J.C.Burges 等的 PCGC、张学工的 CSVM 以及 O.L.Mangasarian 等的 SOR 算法 (2) 用 SVM 解决多分类问题存在困难 经典的支持向量机算法只给出了二类分类的算法，而在数据挖掘的实际应用中， 一般要解决多类的分类问题。可以通过多个二类支持向量机的组合来解决。主 要有一对多组合模式、一对一组合模式和 SVM 决策树；再就是通过构造多个分 类器的组合来解决。主要原理是克服 SVM 固有的缺点，结合其他算法的优势， 解决多类问题的分类精度。如：与粗集理论结合，形成一种优势互补的多类问 题的组合分类器。
