[发明专利]基于正则化的信息分析方法

说明书

技术领域

本发明涉及计算机技术领域，具体涉及基于正则化的信息分析方法。

背景技术

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。

然而现有的数据信息分析方法中，由于无法对数据中所有的项目进行准确确认，所以得出的分析结果中，非常容易出现过拟合，即将不同类的相似项归为一类，影响数据分析结果。

发明内容

本发明所要解决的技术问题是现有的数据信息分析方法中，由于无法对数据中所有的项目进行准确确认，所以得出的分析结果中，非常容易出现过拟合，即将不同类的相似项归为一类，影响数据分析结果，目的在于提供基于正则化的信息分析方法，解决上述问题。

本发明通过下述技术方案实现：

基于正则化的信息分析方法，包括以下步骤：S1：对数据进行线性回归拟合产生拟合函数；S2：根据拟合函数和数据得出经验风险；S3：设置正则化项；S4：将正则化项和经验风险求和得到结构风险；S5：根据结构风险对拟合函数进行修正。

现有技术中，由于无法对数据中所有的项目进行准确确认，所以得出的分析结果中，非常容易出现过拟合，即将不同类的相似项归为一类，影响数据分析结果。本发明应用时，先对数据进行线性回归拟合产生拟合函数；再根据拟合函数和数据得出经验风险；然后设置正则化项；再然后将正则化项和经验风险求和得到结构风险；再然后根据结构风险对拟合函数进行修正。本发明通过引入正则项，规避影响因子比较小的项目，从而使得不同类的相似项不会被归为一类，提高了分析结果的精度。

进一步的，所述正则化项采用多维函数。

进一步的，所述拟合函数采用高阶多项式。

进一步的，所述高阶多项式的项数为五个及以上。

进一步的，步骤S5还包括以下子步骤：得出结构风险的L1范数，并根据L1范数对拟合函数进行修正。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明基于正则化的信息分析方法，通过引入正则项，规避影响因子比较小的项目，从而使得不同类的相似项不会被归为一类，提高了分析结果的精度。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明基于正则化的信息分析方法，包括以下步骤：S1：对数据进行线性回归拟合产生拟合函数；S2：根据拟合函数和数据得出经验风险；S3：设置正则化项；S4：将正则化项和经验风险求和得到结构风险；S5：根据结构风险对拟合函数进行修正。所述正则化项采用多维函数。所述拟合函数采用高阶多项式。所述高阶多项式的项数为五个及以上。步骤S5还包括以下子步骤：得出结构风险的L1范数，并根据L1范数对拟合函数进行修正。

本实施例实施时，先对数据进行线性回归拟合产生拟合函数；再根据拟合函数和数据得出经验风险；然后设置正则化项；再然后将正则化项和经验风险求和得到结构风险；再然后根据结构风险对拟合函数进行修正。本发明通过引入正则项，规避影响因子比较小的项目，从而使得不同类的相似项不会被归为一类，提高了分析结果的精度。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。