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
PNP Robotics5 小时前
多伦多大学机器人峰会｜物理AI与具身智能落地新趋势GIR1235 小时前
官方出品 | 多通道土壤呼吸测量系统市场现状与十五五规划深度报告：行业分析+趋势预测全收录克里斯蒂亚诺更新6 小时前
ruoyi角色权限的对应关系a1117769 小时前
2FA 验证码生成器（github登录验证 app）DFT计算杂谈9 小时前
无 Root 权限在 Tesla K80 零门槛部署 DeepSeek 大模型zhumin72610 小时前
舆情聚类与政府投诉联动分析：基于时间序列的社会治理框架破碎的南瓜10 小时前
sqli--sql注入过关笔记（1，2，3，4，5，9）_Jimmy_11 小时前
AI应用开发工程师面试题库你想知道什么?11 小时前
线性回归-学习笔记谙弆悕博士11 小时前
系统集成项目管理工程师教程（第3版）笔记——第17章：法律法规和标准规范