KIT | KIT-Bibliothek | Impressum | Datenschutz

Automated design process for hybrid regression modeling with a one-class SVM = Ein automatisiertes Entwurfsverfahren für hybride Regressionsmodelle mit einer Ein-Klassen-Support-Vektor-Maschine

Böhland, Moritz; Doneit, Wolfgang; Gröll, Lutz; Mikut, Ralf; Reischl, Markus

Abstract (englisch):
The accuracy of many regression models suffers from inhomogeneous data coverage. Models loose accuracy because they are unable to locally adapt the model complexity. This article develops and evaluates an automated design process for the generation of hybrid regression models from arbitrary submodels. For the first time, these submodels are weighted by a One-Class Support Vector Machine, taking local data coverage into account. Compared to reference regression models, the newly developed hybrid models achieve significant better results in nine out of ten benchmark datasets. To enable straightforward usage in data science, an implementation is integrated in the open source MATLAB toolbox SciXMiner.



Originalveröffentlichung
DOI: 10.1515/auto-2019-0013
Zugehörige Institution(en) am KIT Institut für Automation und angewandte Informatik (IAI)
Publikationstyp Zeitschriftenaufsatz
Jahr 2019
Sprache Englisch
Identifikator ISSN: 2196-677X, 0178-2312
KITopen-ID: 1000098892
HGF-Programm 47.01.02 (POF III, LK 01)
Erschienen in Automatisierungstechnik
Band 67
Heft 10
Seiten 843–852
Vorab online veröffentlicht am 27.09.2019
Schlagworte Hybrid regression modeling; one-class SVM; support vector machine; data coverage; multiple model regression
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page