《表5 特征变量相关性：基于机器学习模型的专利质量预测初探》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习模型的专利质量预测初探》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

第二，线性相关问题。计量模型中，最小二乘回归法会选择一条唯一的回归线，满足数据集的整体残差平方和达到最小值。越来越多的模型被不断加入自变量参数。而自变量之间的线性相关会导致模型参数估计得不稳定或不易解释[27]。如表5所示，本文所采用的专利特征变量之间，如引证专利数量（nBWD）和引证专利的其他特征之间存在明显的线性相关。对此，机器学习模型的正则化思想能够解决自变量相关问题，即在参数估计的目标优化方程中加入涉及模型复杂度的惩罚项，避免预测模型的过度拟合，并且提高模型预测的准确度。