查詢結果分析
來源資料
相關文獻
- 應用支援向量迴歸於國際旅遊需求之預測
- Using Least Squares Support Vector Machines to the Product Cost Estimation
- 支援向量機與支援向量迴歸於財務時間序列預測之應用
- Real-Time Monitoring of the Quality of Multivariate Processes with a SVM Based Classifier Ensemble Approach
- 柔性演算法在臺指選擇權之投資應用
- 颱風期間即時淹水地圖預報之研究
- 以遺傳演算法優化支援向量迴歸在旅遊需求預測上的應用
- 臺灣太陽能發電資料探勘與預測模型建置與應用
- 手寫數字辨識模型之比較研究
- 應用機器學習於鈦與鎂異種金屬銲接參數最佳化
頁籤選單縮合
題 名 | 應用支援向量迴歸於國際旅遊需求之預測=Application of Support Vector Regression in Forecasting International Tourism Demand |
---|---|
作 者 | 陳寬裕; 何嘉惠; 蕭宏誠; | 書刊名 | 旅遊管理研究 |
卷 期 | 4:1 2004.06[民93.06] |
頁 次 | 頁81-97 |
分類號 | 992 |
關鍵詞 | 支援向量機; 支援向量迴歸; 類神經網路; 國際旅遊需求; Support vector machine; Support vector regression; Artificial neural network; International tourism demand; |
語 文 | 中文(Chinese) |
中文摘要 | 本研究將運用支援向量迴歸技術(Support Vector Regression,SVR)建構國際旅遊需求之預測模型。為了建構穩健、可信賴的預測模型,需慎選建構模型時所必需的參數σ2、C和ε。因此先使用格子點法(grid method)配合5-fold交叉驗證技術於訓練資料集上,以求得各種不同參數組合下的交叉驗證MAPE (mean absolute percentage error),再藉由本研究所提出的,以支援向量的數量為主、評估交叉驗證MAPE為輔的參數選取機制,篩選出最佳的參數組合,最後再利用此參數組合建構實際的支援向量迴歸預測模型。此外研究中使用了敏感度分析技術(sensitivity analysis),以證明不當的選取參數將使模型容易陷於過度擬合(over-fitting)或不足擬合(under-fitting)的危機中。 |
本系統中英文摘要資訊取自各篇刊載內容。