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
大筒木老辈子37 分钟前
Linux笔记---协议定制与序列化/反序列化非门由也38 分钟前
《sklearn机器学习——特征提取》草莓熊Lotso44 分钟前
【C++】递归与迭代：两种编程范式的对比与实践Godspeed Zhao2 小时前
自动驾驶中的传感器技术39——Radar（0）我爱挣钱我也要早睡！4 小时前
Java 复习笔记Christo38 小时前
TFS-2018《On the convergence of the sparse possibilistic c-means algorithm》汇能感知8 小时前
摄像头模块在运动相机中的特殊应用阿巴Jun9 小时前
【数学】线性代数知识点总结非门由也9 小时前
《sklearn机器学习——管道和复合估计器》回归中转换目标茯苓gao9 小时前
STM32G4 速度环开环，电流环闭环 IF模式建模