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
蒸蒸yyyyzwd1 小时前
从面经中学到的三件事罗西的思考2 小时前
[Agent Memory / 强化学习] MemPO源码学习笔记 --- (2)--- 训练IT小白杨4 小时前
社媒多账号运营的环境隔离：一张图谱模型，解释清“为什么换IP还是被连坐“PC2005-cloud7 小时前
Rust学习笔记：控制流——if、loop、while、for与matchIT笔记7 小时前
Rust 迭代器多级链式调用执行顺序笔记宣宣猪的小花园.7 小时前
【机器学习】损失函数与梯度下降：机器如何通过“犯错”不断变好kyrie_sakura8 小时前
python学习笔记14 -- FastAPIZzj_tju9 小时前
Embodied Agent 小环境：用状态日志解释成功、绕路与超时地平线开发者9 小时前
模型部署｜征程6 量化路线怎么选：PTQ 还是 QAT？