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
JJJJ_iii5 分钟前
【机器学习10】项目生命周期、偏斜类别评估、决策树rgb2gray5 分钟前
共享自行车与电动共享自行车使用中建成环境影响的对比研究：基于合肥数据的时空机器学习分析degen_1 小时前
注册协议通知jamesge20101 小时前
zookeeper学习笔记jghhh011 小时前
使用cvx工具箱求解svm的原问题及其对偶问题低音钢琴2 小时前
【人工智能系列：走近人工智能05】基于 PyTorch 的机器学习开发与部署实战JJJJ_iii4 小时前
【机器学习11】决策树进阶、随机森林、XGBoost、模型对比南方的狮子先生5 小时前
【深度学习】卷积神经网络（CNN）入门：看图识物不再难！2501_938963965 小时前
基于音乐推荐数据的逻辑回归实验报告：曲风特征与用户收听意愿预测2501_938791225 小时前
逻辑回归正则化解释性实验报告：L2 正则对模型系数收缩的可视化分析