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
lingggggaaaa1 小时前
免杀对抗——C2远控篇&PowerShell&有无文件落地&C#参数调用&绕AMSI&ETW&去混淆特征lxmyzzs1 小时前
作为一名工程师，何不试试瑞芯微？wgego2 小时前
polarctf-web做题笔记不去幼儿园3 小时前
【启发式算法】灰狼优化算法（Grey Wolf Optimizer, GWO）详细介绍（Python）Hcoco_me3 小时前
大模型面试题5：矩阵(M*M)特征值分解的步骤wdfk_prog3 小时前
[Linux]学习笔记系列 -- [kernel]workqueuewdfk_prog3 小时前
[Linux]学习笔记系列 -- [kernel]usermode_helper一只爱做笔记的码农4 小时前
【BootstrapBlazor】移植BootstrapBlazor VS工程到Vscode工程，报error blazor106的问题木西4 小时前
人间观察：关于健康、善良与选择的思考极客BIM工作室4 小时前
用LLM+CadQuery自动生成CAD模型：CAD-Coder让文本秒变3D零件