[發明專利]基于正則化的信息分析方法

在審

• 申請號: 201711294493.4
• 申請日: 2017-12-08
• 公開（公告）號: CN107992450A
• 公開（公告）日: 2018-05-04
• 發明（設計）人: 徐嬌
• 申請（專利權）人: 成都谷問信息技術有限公司
• 主分類號: G06F17/15
• 分類號: G06F17/15
• 代理公司: 成都路航知識產權代理有限公司51256
• 代理人: 李凌

技術領域

本發明涉及計算機技術領域，具體涉及基于正則化的信息分析方法。

背景技術

數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支持過程。在實用中，數據分析可幫助人們作出判斷，以便采取適當行動。數據分析的數學基礎在20世紀早期就已確立，但直到計算機的出現才使得實際操作成為可能，并使得數據分析得以推廣。數據分析是數學與計算機科學相結合的產物。

然而現有的數據信息分析方法中，由于無法對數據中所有的項目進行準確確認，所以得出的分析結果中，非常容易出現過擬合，即將不同類的相似項歸為一類，影響數據分析結果。

發明內容

本發明所要解決的技術問題是現有的數據信息分析方法中，由于無法對數據中所有的項目進行準確確認，所以得出的分析結果中，非常容易出現過擬合，即將不同類的相似項歸為一類，影響數據分析結果，目的在于提供基于正則化的信息分析方法，解決上述問題。

本發明通過下述技術方案實現：

基于正則化的信息分析方法，包括以下步驟：S1：對數據進行線性回歸擬合產生擬合函數；S2：根據擬合函數和數據得出經驗風險；S3：設置正則化項；S4：將正則化項和經驗風險求和得到結構風險；S5：根據結構風險對擬合函數進行修正。

現有技術中，由于無法對數據中所有的項目進行準確確認，所以得出的分析結果中，非常容易出現過擬合，即將不同類的相似項歸為一類，影響數據分析結果。本發明應用時，先對數據進行線性回歸擬合產生擬合函數；再根據擬合函數和數據得出經驗風險；然后設置正則化項；再然后將正則化項和經驗風險求和得到結構風險；再然后根據結構風險對擬合函數進行修正。本發明通過引入正則項，規避影響因子比較小的項目，從而使得不同類的相似項不會被歸為一類，提高了分析結果的精度。

進一步的，所述正則化項采用多維函數。

進一步的，所述擬合函數采用高階多項式。

進一步的，所述高階多項式的項數為五個及以上。

進一步的，步驟S5還包括以下子步驟：得出結構風險的L1范數，并根據L1范數對擬合函數進行修正。

本發明與現有技術相比，具有如下的優點和有益效果：

本發明基于正則化的信息分析方法，通過引入正則項，規避影響因子比較小的項目，從而使得不同類的相似項不會被歸為一類，提高了分析結果的精度。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚明白，下面結合實施例，對本發明作進一步的詳細說明，本發明的示意性實施方式及其說明僅用于解釋本發明，并不作為對本發明的限定。

實施例

本發明基于正則化的信息分析方法，包括以下步驟：S1：對數據進行線性回歸擬合產生擬合函數；S2：根據擬合函數和數據得出經驗風險；S3：設置正則化項；S4：將正則化項和經驗風險求和得到結構風險；S5：根據結構風險對擬合函數進行修正。所述正則化項采用多維函數。所述擬合函數采用高階多項式。所述高階多項式的項數為五個及以上。步驟S5還包括以下子步驟：得出結構風險的L1范數，并根據L1范數對擬合函數進行修正。

本實施例實施時，先對數據進行線性回歸擬合產生擬合函數；再根據擬合函數和數據得出經驗風險；然后設置正則化項；再然后將正則化項和經驗風險求和得到結構風險；再然后根據結構風險對擬合函數進行修正。本發明通過引入正則項，規避影響因子比較小的項目，從而使得不同類的相似項不會被歸為一類，提高了分析結果的精度。

以上所述的具體實施方式，對本發明的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本發明的具體實施方式而已，并不用于限定本發明的保護范圍，凡在本發明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。