以遺傳演算法優化支援向量迴歸在旅遊需求預測上的應用

Using Genetic Algorithms to Optimize Support Vector Regression in Tourism Demand Forecasting

支援向量機（support vector machine，簡稱（SVM）的發展最先被運用在模式識別領域，然而隨著ɛ--不敏感損失函數（ɛ-insensitive loss function）的導入，支援向量機已經被擴展到解決非線性迴歸估計的問題上，此類技術稱為支援向量迴歸（support vector regression，簡稱SVR）。本研究將運用支援向量迴歸技術建構旅遊需求之預測模型。研究中將提出一種名為GA-SVR的新模型，該模型先運用實數值遺傳演算法以找出支援向量迴歸的最佳化參數，並藉這些最佳化參數值建構支援向量迴歸模型，以預測旅遊需求，並將其預測結果和類神經網路模型（artificial neural networks）進行比較，以證明GA-SVR模型確實擁有優良的預測能力。此外為了驗證參數對支援向量迴歸模型的重要性並獲知支援向量迴歸模型的一些特性，研究中使用了敏感度分析技術（sensitivity analysis），該分析中也證實了，不當的選取參數將使模型容易陷於過度擬合（over-fitting）或不足擬合（under-fitting）的危機中。