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
在所不辞兄4 小时前
【零基础学智能仿真-63】ABACUS作业工具与MCP接口Li_RuiQi5 小时前
DAgger方法演进_独立学习笔记larance10 小时前
[机器学习40讲]33-序列化建模：隐马尔可夫模型.Li_RuiQi10 小时前
DAgger与交互式模仿学习_ACT学习笔记He BianGu10 小时前
【笔记】C# 中BindingFlags的详细作用AI视觉网奇10 小时前
turtle 入门教程笔记Ivanqhz10 小时前
MoE 原理、TC/EC 路由、LSH-MoE 与负载均衡浅析跨知易知识产权11 小时前
美国专利确权是什么，和专利诉讼有什么不一样？杨逢昌工厂6S管理11 小时前
126-杨逢昌6S三环体系：越做越乱的现场熵增机理与基准化治理——一线现场诊断笔记悟道书生11 小时前
若依 RBAC 权限控制学习笔记