基于标准误差的最小二乘线性分类器

大数据时代下数据结构的多样性严重影响人们对数据分类的判断.有效解决数据分类问题并提高分类准确率是大数据时代背景下亟待解决的难题.分类问题是将数据按照某种特征进行划分,并根据分类结果的准确性来判断分类特征的优劣.现有的模式识别中处理无监督分类问题的方法都有着自身固有缺陷.人为主观选择分类特征会降低模型的拟合效果.为此,提出一种将标准误差作为分类特征的线性分类器.该分类器在对样本进行分类的过程中,可保证分类的标准误差最小,从而保证了模型最终分类结果的准确性最高.基于该分类器进行了建模仿真验证.仿真实验结果表明,该分类器对样本分类的标准误差较小,准确率较高且复杂度也相对较低.相对于其他线性分类器,该分类器具有高效性和实效性的优势