基于复合惩罚函数的多维生理与行为数据的体重变化预测研究

摘要

为提高多维生理与行为数据在个体减肥效果预测中的精度和模型的稳定性,构建了一个三重惩罚目标函数.该目标函数用块相关协方差矩阵构造组内相关结构,并通过引入L₁稀疏惩罚项、L₂～2稳定惩罚项和组-L₂惩罚项来构成三重惩罚项.研究结果表明,该方法在减肥效果预测任务中能够兼顾变量稀疏性、参数稳定性与组结构可解释性.与Ridge回归相比,该方法在测试集上的均方误差（MSE）更低、平均绝对误差（MAE）、决定系数（R²）更高,表现出更优的预测性能.因此,该方法可为多维生理与行为数据的体重变化预测提供一种新的建模思路.

关键词

减肥效果评估 / 三重惩罚目标函数 / Ridge回归 / 双层网格搜索 / 5折交叉验证