作者：刘苏楠; 周劲松; 项阳阳; 洪东阳生物质工业分析元素分析高位热值机器学习线性拟合异常点
摘要：生物质工业分析相比于元素分析或化学分析更便捷且成本更低,用工业分析来预测高位热值具有较高的应用价值。利用机器学习来拟合的过程非常依赖数据本身,即数据的大小以及质量,少数质量差的数据会对拟合效果产生较大的影响,因此有必要探索出适用于现阶段数据量小且存在异常点情况下的线性拟合方法。本文提出了3种异常点的处理方法:方法一是利用四分位距寻找异常点并剔除;方法二是采用中间数据的统计值来对原始数据进行预处理;方法三是利用岭回归替代常规的线性回归增强其抗异常点干扰的能力。分析拟合结果发现,岭回归在现阶段数据量小且存在异常点的情况下具有最好的线性拟合效果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
