文献类型：专利

中文题名：一种稳健的模型变量筛选方法

作者：何潇[1] 雷相东[1] 谢阳生[1] 刘宪钊[1] 国红[1] 高文强[1]

第一作者：何潇

机构：[1]中国林业科学研究院资源信息研究所;

专利类型：发明专利

申请号：CN202311479210.9

申请日：20231108

申请人地址：100000 北京市海淀区东小府2号

公开日：20240206

代理人：赵晓薇

代理机构：北京快易权知识产权代理有限公司

语种：中文

中文关键词：因变量;自变量;变量筛选;筛选;非线性作用;不确定性;高维空间;机器学习;模型变量;模型特征;模型预测;生物数学;输入变量;数据集中;特征变量;影响因子;准确度;统计学;投票法;冗余;可用;过滤;分析;通用

年份：2024

摘要：本发明公开了一种稳健的模型变量筛选方法，变量筛选可用于从给定的多输入变量数据集中过滤掉与因变量冗余或不相关的自变量，从而产生更具代表性的变量组合，并获得更好的模型预测性能，以“投票法”为原则，采用多种统计学和机器学习方法，同时考虑自变量对因变量的线性和非线性作用，获得对因变量具有显著影响的特征变量，解决了现有模型特征筛选方法的结果不够稳定的问题，尤其是在自变量个数较多的高维空间内，本发明得到的变量筛选结果在提高了模型准确度的同时，也能有效降低模型不确定性，是一种通用且稳健的变量筛选方法，能为生物数学领域中因变量影响因子分析和模型研建提供分析方法和工具。