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：
机器学习笔记：支持向量机回归SVR
UQI-LIUWJ2023-12-23 4:14
相关推荐
清风一徐3 小时前
禅道从18.3升级到21.7.6版本Jack___Xue3 小时前
LangChain实战快速入门笔记（六）--LangChain使用之Agent零度@3 小时前
SQL 调优全解：从 20 秒到 200 ms 的 6 步实战笔记（附脚本）im_AMBER4 小时前
Leetcode 78 识别数组中的最大异常值 | 镜像对之间最小绝对距离其美杰布-富贵-李4 小时前
HDF5文件学习笔记d111111111d6 小时前
在STM32函数指针是什么，怎么使用还有典型应用场景。静小谢6 小时前
前后台一起部署，vite配置笔记base\buildAI科技星6 小时前
质量定义方程常数k = 4π m_p的来源、推导与意义ask_baidu7 小时前
Doris笔记smile_Iris7 小时前
Day 40 复习日