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
岑梓铭10 分钟前
考研408《计算机组成原理》复习笔记，第五章(2)——CPU指令执行过程WBluuue2 小时前
数学建模：智能优化算法赴3353 小时前
矿物分类案列 （一）六种方法对数据的填充一车小面包3 小时前
机器学习--决策树oe10194 小时前
读From GPT-2 to gpt-oss: Analyzing the Architectural Advances（续）小艳加油4 小时前
Python机器学习与深度学习；Transformer模型/注意力机制/目标检测/语义分割/图神经网络/强化学习/生成式模型/自监督学习/物理信息神经网络等Silence zero5 小时前
day43_2025-08-17学行库小秘5 小时前
ANN神经网络回归预测模型Coovally AI模型快速验证6 小时前
SOD-YOLO：基于YOLO的无人机图像小目标检测增强方法音视频牛哥7 小时前
从「行走」到「思考」：机器人进化之路与感知—决策链路的工程化实践