贝叶斯神经网络在变量选择的应用——Java开发者薪资分析.pdfVIP

第28卷第13期现代计算机

2022年7月10日ModernComputer·79·

实践与经验

文章编号:1007-1423（2022）13-0079-04DOI:10.3969/j.issn.1007-1423.2022.13.014

贝叶斯神经网络在变量选择的应用——Java开发者薪资分析

李斌斌

（广西师范大学数学与统计学院，桂林541006）

摘要：一般神经网络的变量选择的一致性以及非线性系统的函数形式是困扰神经网络预测结果的两个

重要问题，贝叶斯神经网络比较好地避免了以上两个问题。本文针对Java开发者的薪资，在贝叶斯神经网

络的基础上，对其影响因素，如工作年龄、技能、以及城市等加以分析。

关键词：贝叶斯神经网络；后验估计；变量选择；Java开发

0引言络，但是由于该算法属于传统的MCMC算法，

需要在每一次迭代时评估完整数据的可能性，

近年来，由于国内互联网行业的火热，各

因此在大数据问题的情况下，该算法受到一定

种编程人才的需求都较高。Java从诞生开始就

的限制。

备受青睐，因为它的编程语言具有简洁、高效、

［1］

本文基于Liang等提出的贝叶斯神经网络

安全能力突出等特点，现在越来越多的开发者

的变量选择方法。贝叶斯神经网络的基础是前

使用Java编程。各大招聘网站显示，Java的岗

反馈神经网络（feed-forwardneuralnetworks，

位需求仍处于一个火热的状态，几乎是其他行

FNNs）。

业的倍数。但与Java开发人员的薪资相关的影

响因素是什么，尚不十分清楚。本文使用贝叶1贝叶斯神经网络

斯神经网络方法，从许多变量中选择出重要的

贝叶斯神经网络（Bayesianneuralnetworks，

影响因素。贝叶斯神经网络在解决神经网络的

BNN）和深度神经网络（deepneuralnetworks，

过拟合方面有着突出的效果，它根据已有的信

DNN）的不同之处在于：贝叶斯神经网络的权重

息推断未知，因此被誉为未来神经网络的方向。

由固定的数字变为带有参数的分布，参数由给

线性回归模型中的变量选择目前已经非常

定的先验表示。

L1L2

成熟，比如采取惩罚的lasso，采取惩罚的ii

用数据集D=(x,y)表示观测到的个样本n

n

岭回归等，这些方法都是基于正则化实现的，()ipn