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
AOwhisky7 小时前
Redis 学习笔记（第三期）：持久化与主从复制问心无愧05137 小时前
ctf show web入门160 161啦啦啦_99997 小时前
5. 迁移学习乘～风12 小时前
408考研-计组-1.2计算机系统层次结构笔记+1.3计算机性能指标.千余12 小时前
【C++】C++继承入门（下）：友元、静态成员与菱形继承的底层逻辑LeeAmos114 小时前
Addendum No. 1 to JESD209-4 Low Power Double Data Rate 4X (LPDDR4X)的中文版Eloudy15 小时前
ns-3 网络仿真简介zhengzhouliuhaha15 小时前
智能医疗设备控费系统：以全院一体化管控，筑牢医疗资源“安全阀”装不满的克莱因瓶15 小时前
RLHF中的PPO算法——大语言模型对齐优化的核心引擎王小王-12316 小时前
深度学习赋能：基于机器学习的恶意 URL 检测系统