الگوریتم و مدل رگرسیون بردارپشتیبان بازه ای آنلاین

مدل بردارپشتیبان رگرسیون بازه ای یکی ازمدلهای مطرح برای تخمین تابع ازروی داده های اموزشی است که براساس اصل کمینه کردن خطای ساختاری طراحی شده است و نسبت به وجود نویز درداده های اموزشی مقاوم است حتی اگر این نویز وابسته به ویژگیهای داده های اموزشی باشد برای حل این مدل نیاز به بارگذاری کل داده های اموزشی است که باتوجه به حجم بسیاربالای برخی ازمجموعه داده های واقعی اجرای آن گاه امکان پذیرنیست ایراد دیگر این مدل حجم بالای محاسبات لازم برای حل مدل به ازای مجموعه داده های اموزشی متوسط و بزرگ می باشد لذا دراین مقاله برای رفع این دومشکل مدل انلاین بردارپشتیبان رگرسیون بازه ای و الگوریتم حل آن ارایه میشود هرتکرار ازالگوریتم حل این مدل فقط نیازمند بارگذاری یک داده اموزشی است و حجم محاسبات لازم برای حل این مدل بسیارکمتر ازمدل دسته ای است ازمایشهای انجام شده روی مجموعه داده های واقعی و مصنوعی موید این نظر است که مدل انلاین پیشننهادی بدون کاهش چشمگیر دقت تخمین و با سرعت بسیاربالاتری نسبت به مدل دسته ای بردار پشتیبان رگرسیون بازه ای میتواند تخمین تابع را انجام دهد

کلیدواژه ها:

رگرسیون بردارپشتیبان بازه ای ، مقاوم نسبت به نویز ، نویزوابسته به ویژگیهای داده ، آنلاین