基于MapReduce的多元线性回归预测模型-论文.pdf

《基于MapReduce的多元线性回归预测模型-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、JournalofComputerApplicationsISSN10o1．90812014．O7．10计算机应用，2014，34(7)：1862—1866C0DENJYIIDUhttp：／／www．joca．an文章编号：1001—9081(2014)07—1862—05doi：10．11772／j．issn．1001—9081．2014．07．1862基于MapReduce的多元线性回归预测模型代亮，许宏科，陈婷一，钱超，梁殿鹏(1．长安大学电子与控制工程学院，西安710064；2．陕西省道路交通智能检

2、测与装备工程技术研究中心，西安710064；3．长安大学信息工程学院，西安710064；4．IBM中国系统与科技开发中心，西安710068)(通信作者电子邮箱ldai@chd．edu．cn)摘要：针对传统的多元线性回归预测方法处理时间长且受内存限制的特点。对时序样本数据设计了基于MapReduce的并行多元线性回归预测模型。模型由三组MapReduee过程组成，分别求解由历史数据所构成叉积矩阵的特征向量和标准正交特征向量，用来预测未来参数的特征值和特征向量矩阵和未来时刻回归参数的估计量。设计并实现了实验来验

3、证提出的并行多元线性回归预测模型的有效性。实验结果表明，基于MapReduce的多元线性回归预测模型具有较好的加速比和可扩展性，适合于大规模时序数据的分析和预测。关键词：MapReduce；多元线性回归；预测模型；加速比；可扩展性中图分类号：TP311文献标志码：AMultivariatelinearregressionforecastingmodelbasedonMapReduceDAILiang，，XuHongke一，CHENTing一，QIANChao一，LIANGDianpeng(1．Schoolo

4、fElectronicandControlEngineering,Chang'anUniversity,Xi'anShaanxi710064，China；2．Shaanxi舶rraff~DetectionandEquipmentEngineeringResearchCenter,Xi'anShaanxi710064，China；3．SchoolofInformationEngineering,Chang'anUniversity,Xi'anShaanxi710064，China；4．IBMChinaSyst

5、emsandTechnologyLaboratory,Xi'anShaanxi710068，China)Abstract：Accordingtothecharacteristicsoftraditionalmultivariatelinearregressionmethodforlongprocessingtimeandlimitedmemory，aparallelmultivariatelinearregressionforecastingmodelwasdesignedbasedonMapReducef

6、orthetime·seriessampledata．ThemodelwascomposedofthreeMapReduceprocesseswhichwereusedtosolvetheeigenvectorandstandardorthogonalvectorofcrossproductmatrixcomposedbyhistoricaldata，toforecastthefutureparameteroftheeigenvaluesandeigenvectorsmatrix，andtoestimate

7、theregressionparametersinthenextmomentrespectively．Experimentsweredesignedandimplementedtothevalidityeffectivenessoftheproposedparallelmultivariatelinearregressionforecastingmode1．Theexperimentalresultsshowmultivariatelinearregressionpredictionmodelbasedon

8、MapReducehasgoodspeedupandscaleup，andsuitsforanalysisandforecastingoflargedata．Keywords：MapReduce；multivariatelinearregression；forecastingmodel；speedup；scaleup线性回归预测模型应该适应当前不断增长的数据处理要求。0引言云计算平台可以分布式处理和计算大规模数据