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
COOCC11 小时前
激活函数全解析：定义、分类与 17 种常用函数详解饕餮争锋1 小时前
javax.servlet.Filter 介绍-笔记吹风看太阳2 小时前
机器学习08-损失函数m0_740154672 小时前
《k-means 散点图可视化》实验报告忍者算法2 小时前
AWS VPC 核心笔记（小白向）北温凉2 小时前
【学习笔记】机器学习(Machine Learning) | 第七章|神经网络(1)麻雀无能为力3 小时前
python自学笔记2 数据类型饕餮争锋3 小时前
WebMvcConfigurer介绍-笔记web150854159353 小时前
Python线性回归：从理论到实践的完整指南ayiya_Oese3 小时前
[训练和优化] 3. 模型优化