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
Selina K27 分钟前
shell脚本知识点记录待39 分钟前
开源竞争-数据驱动成长-11/05-大专生的思考忘梓.1 小时前
划界与分类的艺术：支持向量机（SVM）的深度解析Chef_Chen1 小时前
从0开始机器学习--Day17--神经网络反向传播作业霍格沃兹测试开发学社测试人社区1 小时前
软件测试学习笔记丨Flask操作数据库-数据库和表的管理幸运超级加倍~2 小时前
软件设计师-上午题-16 算法(4-5分)MarkHD2 小时前
第十一天 线性代数基础打羽毛球吗️2 小时前
机器学习中的两种主要思路：数据驱动与模型驱动王俊山IT2 小时前
C++学习笔记----10、模块、头文件及各种主题（一）---- 模块（5）小馒头学python2 小时前
机器学习是什么？AIGC又是什么？机器学习与AIGC未来科技的双引擎