【摘要】：（三）选定核函数不同的网络，不同的数据输入，不同核函数的选择，都会对预测精度产生较大的影响。为探究在相同相似性指标输入、核函数相同、参数默认的情况下，基于支持向量机的链路预测在“一带一路”不同层面航空网络的表现结果，以及不同相似性指标在“一带一路”沿线航空网络中的预测性能，我们选定在支持向量机算法中使用频率和范围比较高的径向基RBF核函数。核函数中的参数选用默认值，c=1，g=1。
（一）数据预处理
本部分，我们将8个相似性指标作为特征单独输入支持向量分类机。由于8个特征的数据范围变为较大，为统一样本的统计性分布，我们对数据进行［-1，1］的归一化处理，也就是所有特征的数值变化范围都映射到了-1和1之间。归一化公式为：
（二）划分数据集
为避免样本数据分布不平衡导致预测效果不好，本文选择k折交叉验证的方法划分训练集和测试集，避免过拟合。k值的选择并不是越大越好［73］，k ＜5时，测试结果会不稳定；k ＞10时，方差减小，偏离率增加。所以本文以5折交叉验证的方式划分训练集和测试集，也就是将数据集平均划分为5份，每次取其中一份为测试集，其余4份为训练集。一共进行5次，取遍所有数据作为测试集，以5次模型结果的平均值为最终模型的结果。(www.xing528.com)
（三）选定核函数
不同的网络，不同的数据输入，不同核函数的选择，都会对预测精度产生较大的影响。为探究在相同相似性指标输入、核函数相同、参数默认的情况下，基于支持向量机的链路预测在“一带一路”不同层面航空网络的表现结果，以及不同相似性指标在“一带一路”沿线航空网络中的预测性能，我们选定在支持向量机算法中使用频率和范围比较高的径向基RBF核函数。核函数中的参数选用默认值，c=1，g=1。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
