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
Trouvaille ~11 分钟前
【机器学习】从流动到恒常，无穷中归一：积分的数学诗意LuH112423 分钟前
【论文阅读笔记】IC-Light是小菜呀！28 分钟前
实验四 触发器悲伤小伞34 分钟前
C++_数据结构_详解二叉搜索树灰太狼不爱写代码4 小时前
CUDA11.4版本的Pytorch下载Aileen_0v09 小时前
【AI驱动的数据结构：包装类的艺术与科学】itwangyang5209 小时前
AIDD - 从机器学习到深度学习：蛋白质-配体对接评分函数的进展jerry2011089 小时前
机器学习常用术语IT古董10 小时前
【机器学习】机器学习的基本分类-强化学习-Actor-Critic 方法終不似少年遊*10 小时前
美国加州房价数据分析01