文献类型：期刊文章

作　　者：都承华[1,2] 龚谊承[1,2]

DU Cheng-hua;GONG Yi-cheng(Department of Mathematics and Statistics,Wuhan University of Science and Technology,Wuhan 430065,China;Key Laboratory of Metallurgical Industrial Process Systems Science,Wuhan University of Science and Technology,Hubei Province,Wuhan 430065,China)

机构地区：[1]武汉科技大学理学院数学与统计系,湖北武汉430065 [2]武汉科技大学冶金工业过程系统科学湖北省重点实验室,湖北武汉430065

出　　处：《数学的实践与认识》

基　　金：湖北省大学生创新创业训练计划项目(201810488097);湖北省重点实验室科研项目(Y201906)。

年　　份：2020

卷　　号：50

期　　号：6

起止页码：132-139

语　　种：中文

收录情况：BDHX、BDHX2017、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：为了对比支持向量回归(SVR)和核岭回归(KRR)预测血糖值的效果,本文选择人工智能辅助糖尿病遗传风险的相关数据进行实证分析.首先对数据进行预处理,将处理后的数据导入Python.其次,为了使SVR和KRR的对比结果具有客观性,使用了三种有代表性的核方法(线性核函数,径向基核函数和sigmod核函数).然后,在训练集上采用网格搜索自动调参分别建立SVR和KRR的最优模型,对血糖值进行预测.最后,在测试集上对比分析SVR和KRR预测的均方误差(MSE)和拟合时间等指标.结果表明:均方误差(MSE)都小于0.006,且KRR的MSE比SVR的小0.0002,KRR的预测精度比SVR更高;而SVR的预测时间比KRR的少0.803秒,SVR的预测效率比KRR好.

关 键 词：支持向量回归 核岭回归  血糖值 预测  对比分析  

分 类 号：TP181] R587.1]