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
九成宫3 分钟前
IT项目管理期末复习——Chapter 7 项目成本管理chipsense38 分钟前
霍尔电流传感器选型方法论再升级：从800V平台到TMR竞争的全场景决策树05大叔2 小时前
词向量化和文本向量化，KMeansProxy_ZZ02 小时前
AI时代工程师的核心竞争力演变小陈phd3 小时前
多模态大模型学习笔记（三十六）—— 扩散模型与可控生成：从AI涂鸦到精准作画的技术革命Z.风止3 小时前
Large Model-learning(6)xixixi777773 小时前
从Mythos到GPT-5.4-Cyber：AI安全竞赛的“双轨”分化与防御新范式雾岛听蓝4 小时前
Qt Widget控件属性详解m0_614619064 小时前
花了一下午学 Git，整理了一份学习笔记