近日，我校凯捷体育注册崔慶安老師與其合作者在管理學權威期刊《管理科學學報》發表了題為“試驗設計及參數優化的LS-SVR顯著性因子篩選”的學術論文👐🏿。

該研究針對最小二乘支持向量回歸機（LS-SVR）應用於試驗設計建模及參數優化而產生的可解釋性差🏋🏼、難以識別顯著性影響因子等不足🚽，提出一種適用於LS-SVR的擬合不足檢驗及顯著性因子篩選方法。首先在重復性試驗設計條件下，將LS-SVR擬合模型的“殘差平方和”分解為“擬合不足平方和”與“純誤差平方和”；進而給出了“擬合不足均方”與“純誤差均方”比值的近似非中心F-分布，構造出擬合不足檢驗的方差分析表；在此基礎上，提出一種兩階段的顯著性因子篩選方法🕹，通過考察某個因子(組合)移除後模型擬合不足顯著性的變化🚉，來推斷該因子(組合)顯著性😜。仿真研究與實證表明，所提方法不僅能夠增強LS-SVR的統計可解釋性👨‍🍳，有效識別出顯著性因子；而且可以得到預測性能更優的簡化模型⟹；有助於提升試驗設計建模及參數優化效率，降低質量改進成本。

全文鏈接：http://jmsc.tju.edu.cn/jmsc/article/abstract/20231203?st=article_issue