基于GPR模型的用戶量預測優(yōu)化方法

摘要： 高斯過程回歸(Gaussian process regression, GPR)是一種基于高斯過程的非參數(shù)化貝葉斯回歸方法，其可以靈活適應(yīng)不同類型數(shù)據(jù)，用于建模和預測數(shù)據(jù)之間的復雜關(guān)系，具有擬合能力強、泛化能力好等特點。針對海量用戶場景下用戶量實時預測問題，提出一種基于GPR的用戶量預測優(yōu)化方法。在滑動窗口方法處理數(shù)據(jù)的基礎(chǔ)上，選擇合適的核函數(shù)，基于k折交叉驗證得到最佳超參數(shù)組... （共9頁）