Resumen

El método de mínimos cuadrados parciales tiene muchas ventajas en el modelado de regresión lineal multivariante, pero su método interno de autoverificación conducirá a una reducción brusca del componente principal, disminuyendo así la precisión de la ecuación de regresión, y la selección de componentes principales en relación a los datos de la medicina tradicional china es particularmente sensible. Este artículo propone un tipo de método de mínimos cuadrados parciales basado en redes de creencias profundas. Este método utiliza principalmente el modelo de aprendizaje profundo para extraer las características de nivel superior de los datos originales, colocando las características extraídas en el modelo de mínimos cuadrados parciales para la regresión lineal múltiple y evitando el problema de seleccionar el número de componentes principales, ajustando continuamente los parámetros del modelo hasta que se cumpla una condición de precisión satisfactoria. Utilizando datos experimentales de Dachengqitang y conjuntos de datos en el Repositorio de Aprendizaje Automático de UCI, los resultados experimentales mue

• Materias:Virus informático Entropía del gráfico Modelo epidémico Modelo de optimización Modelos conceptuales
• Subjects:Computer virus Entropy of the graph Epidemic model Optimization model Conceptual models
• Palabras claves:Ventajas; Modelado de regresión lineal multivariante; Método de verificación cruzada interna; Reducción de componentes principales; Datos de medicina tradicional china; Redes de creencias profundas
• Keywords:Advantages; Multivariate linear regression modeling; Internal cross-checking method; Principal component reduction; Traditional Chinese medicine data; Deep belief nets