机器学习笔记：支持向量机回归SVR

发布时间：2023年12月20日

1 主要思想

主要思路类似于机器学习笔记：支持向量机SVM_支撑向量学习-CSDN博客

和SVM的区别主要有

解法和SVM区别不大，也是KKT

2 和线性回归的区别

  • 对SVR，如果f(x)和y之间的差距小于阈值ε【也即落在两条间隔带之间】，则不计算损失
  • 对线性回归，只要f(x)和y不相同，那么就计算损失

3 引入松弛变量

参考：

支持向量回归（SVR）的详细介绍以及推导算法-腾讯云开发者社区-腾讯云 (tencent.com)

支持向量机（SVM）和支持向量机回归（SVR） - 知乎 (zhihu.com)

文章来源:https://blog.csdn.net/qq_40206371/article/details/135116901
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章