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
枫叶林FYL4 小时前
【自然语言处理 NLP】第二章 经典NLP算法与特征工程（Classical NLP Algorithms）程序员夏末5 小时前
【LeetCode | 第七篇】算法笔记开源盛世！！6 小时前
3.23-3.25笔记WeeJot嵌入式7 小时前
Meta LSP无数据训练深度解析：语言自我对弈的数学原理与实现枫叶林FYL7 小时前
【自然语言处理 NLP】数学与计算基础（Mathematical & Computational 完整源码实现hanlin038 小时前
刷题笔记:力扣第43、67题（字符串计算）放下华子我只抽RuiKe58 小时前
深度学习全景指南：硬核实战版多看书少吃饭8 小时前
Vue + Java + Python 打造企业级 AI 知识库与任务分发系统（RAG架构全解析）zhojiew8 小时前
在RAG系统中对FAISS，HNSW，BM25向量检索引擎选型的问题