全文获取类型
收费全文 | 61篇 |
免费 | 0篇 |
专业分类
管理学 | 6篇 |
民族学 | 2篇 |
人才学 | 5篇 |
人口学 | 1篇 |
丛书文集 | 12篇 |
理论方法论 | 4篇 |
综合类 | 23篇 |
社会学 | 5篇 |
统计学 | 3篇 |
出版年
2023年 | 2篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2017年 | 3篇 |
2016年 | 3篇 |
2015年 | 2篇 |
2014年 | 5篇 |
2013年 | 4篇 |
2012年 | 1篇 |
2011年 | 6篇 |
2010年 | 4篇 |
2009年 | 2篇 |
2008年 | 6篇 |
2007年 | 3篇 |
2006年 | 3篇 |
2005年 | 2篇 |
2004年 | 2篇 |
2003年 | 4篇 |
2002年 | 3篇 |
2000年 | 1篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1992年 | 1篇 |
排序方式: 共有61条查询结果,搜索用时 15 毫秒
61.
支持向量回归(SVR)是机器学习中重要的数据挖掘方法,当前关于SVR的研究大多基于二次规划理论,同时,利用交叉验证或一些智能算法选取模型中的超参数,然而,基于二次规划理论的SVR估计方法不仅计算量较大,而且不能进行后续的统计推断分析。文章基于贝叶斯方法研究SVR,通过引入两个潜在变量将SVR的?不敏感损失函数表示为双重正态-尺度混合模型并构建似然函数,通过选取适当的先验分布获得兴趣参数和超参数的Gibbs抽样算法。为筛选重要变量和最优模型,引入0-1指示变量并选取回归参数的Spike and Slab先验来获得贝叶斯变量选择算法。数值模拟证明了所提算法的有效性,并在非正态误差下表现出很好的稳健性。最后将所提方法应用于房价数据分析,得到了有意义的结果。 相似文献