开题报告-机器学习之逻辑斯蒂回归模型及应用研究.doc

综述本课题的研究动态，说明选题的依据和意义 机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和智能计算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展。 本课题研究机器学习中比较基础的逻辑斯谛回归模型，以及误差分析，并将这些算法在某些领域中进行应用。 现实生活中，机器学习以及渗入到我们生活中的各处，所以学习和学会更好的使用它，这样才能让我们的社会更加和谐，推动社会的发展，逻辑斯蒂回归模型，实际上是一种研究分类的模型，对于大数据时代，数据给我的计算出的结果，更加具有权威，所以机器学习之逻辑斯蒂回归模型及应用研究十分必要。 本课题研究的基本内容，拟解决的主要问题和难点问题 基本内容： 首先是对于机器学习内容的了解，机器学习这几年发展很迅速，也很成熟了，台大的机器学习以及斯坦福大学的机器学习，已经很成熟，也取得优秀的成果，对我们来说很有必要学习。 我们研究的另一个核心就是逻辑斯蒂回归模型，虽然说一个线性回归模型，然而实际上是一个解决分类问题，主要是二分类的模型，对于很多领域用处很广，金融业，医药业，房地产等等，通过数据返回的结果，往往更加准确并且具有真实性。 主要问题和难点问题 : 1.主要问题是对于逻辑斯蒂回归模型的求解，一般求解方法用梯度下降（Gradient Descent）,这也一个难点吧； 2.还有一个难点就是通过机器学习，将通过数据集D产生的f,然后演算出逻辑回归模型，对这个模型的优化，也是一个难点，因为这是二分类的问题，结果不可能百分之一百正确，只能尽可能的去优化它。 三、研究步骤、方法及措施： 1、通过老师给的学习资料学习机器学习的相关知识，理解什么是机 器学习，以及机器学习的原理和过程； 2、研究逻辑斯谛回归模型在机器学习领域中的应用，深入研究逻辑 斯谛回归模型的算法原理； 3、通过软件建立逻辑斯谛回归模型，并且对模型进行一些后必要的 数据测试以及相关实验； 4、对建立的回归模型进行分析和评价； 5、撰写毕业论文； 6、翻译外文科技文献； 提交论文和翻译文献，做答辩讲稿，准备答辩。 四、工作进度： 序 号 设计（论文）各阶段名称 日 期 1 查阅、学习文献资料，结合已学过的课程，明确逻辑斯谛回归的理论、方法、步骤；撰写开题报告；毕业实习 1-5周 2 研究逻辑斯谛回归模型在某领域中的应用； 5-8周 3 通过软件建立逻辑斯谛回归模型； 9-10周 4 对建立的回归模型进行分析和评价；撰写论文初稿 11-12周 5 撰写毕业论文 13-14周 6 外文翻译资料，修改、提交论文，准备答辩。 15-16周 五、主要参考文献： [1]李航.统计学习方法[M].北京:清华大学出版社,2012 [2]Pang-Ning，Michael Steinbach Vipin Kunar.数据挖掘导论（完整版）[M].北京：人民邮电出版社 [3]黄陈锋.基于粗集一支持向量机的电力供需预警研究[D].北京华北电力大学,2006 [4]吕科奇.基于支持向量机的工程项目投资估算方法研究[D].浙江:浙江人学,2004 [5] Varfis. Univariate economic time series forecasting by connectionist methods[C].IEEE ICNN.1990(90):342-345. [6] Lapedes. Nonlinear signal processing using neural networks:Prediction and system modeling[R].Technical ReportLA-UR-87-2662.LosAlamos National Laboratory NM,1987,54-56. [7] 罗士勋.人民币汇率预测和风险管理研究[D].吉林大学，2005. [8] 楚翠玲，马恩涛.我国地方政府性债务风险预警研究-基于BP神经网络的分析[J].广西财经学院学报,2016(5):58-67 [9] 刘潋滟.我国财政风险监测预警方法优选及BP神经网络模型实践[D].云南财经大学，2016. [10]薛晔，蔺琦珠，任 耀.我国通货膨胀风险的预测模型-基于决策树BP神经网络[J].经济问题，2016（1）：82-89. 六、指导教师审核意见： 指导教师签字： 　　 年　　月　　日 七、专业系（教研室）评议意见： 系（教研室）主任签字： 　　 年　　月　　日