مروری بر بکارگیریSVR در مسائل پیش بینی و بررسی روشهای تنظیم پارامترهای SVR

پیشبینی فرایندی است که طی آن بر اساس دادههای گذشته، اطلاعات و آگاهی از آینده بدست میآید. دامنه ی کاربرد ی بسیار گستردهی ابزارهای پیشبینی، نشان دهندهی اهمیت این ابزارها است. یکی از روشهای داده کاوی که برای پیش بینی استفاده میشود رگرسیون بردار پشتیبان (SVR) است.در سال های اخیر SVR توسط بسیاری از محققین برای پیش بینی در زمینه های مختلف بکار گرفته شده است. چالش مهم برای بکار گیری SVR در حل مسایل پیشبینی، تعیین پارامترهای آن است. مقادیر پارامترهای SVR تاثیر بسیار زیادی در دقت پیش بینی انجام شده توسط SVR دارد. یکی دیگر از مسایلی که در مورد بکارگیری SVR باید به آن توجه داشت نوع تابع هسته (کرنل) بکار گرفته شده در پیاده سازی SVR است. در این مقاله ضمن مرور تحقیقات مختلفی که SVR را بکار گرفته اند، روش های تنظیم پارامترهای SVR دسته بندی و مقایسه شده است.

کلیدواژه ها:

پیشبینی ، داده کاوی ، رگرسیون بردار پشتیبان ، Support Vector Regression ، Data Mining ، Forecasting