摘要：現(xiàn)有的多源遷移學(xué)習(xí)算法對回歸問題的研究極少,大多是解決對稱的二分類問題,本文提出了加權(quán)多源TrAdaBoost的回歸算法,其中誤差容忍系數(shù)能一定程度解決源領(lǐng)域樣本權(quán)重縮減過快的問題,提高了算法的效果。在修改后的Friedman#1回歸問題上進(jìn)行了實驗,驗證了該算法的有效性,誤差容忍系數(shù)可以提高大約0.01的R2分?jǐn)?shù)。將該算法應(yīng)用到電力通信網(wǎng)的行業(yè)問題中,提出了異常站點(業(yè)務(wù)數(shù)量缺失嚴(yán)重的站點)檢測與真值預(yù)測模型,在特征工程中使用了社交網(wǎng)絡(luò)分析的方法,充分考慮了站點在拓?fù)鋱D中的重要性。最終的實驗效果進(jìn)一步驗證了算法的有效性。