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
tingshuo291712 小时前
S001 【模板】从前缀函数到KMP应用 字符串匹配 字符串周期小黎147577898536419 小时前
OpenClaw 连接飞书完整指南：插件安装、配置与踩坑记录哥布林学者21 小时前
高光谱成像（二）光谱角映射 SAM哥布林学者2 天前
高光谱成像（一）高光谱图像罗西的思考2 天前
AI Agent框架探秘：拆解 OpenHands（10）--- RuntimeHXhlx2 天前
CART决策树基本原理OpenBayes贝式计算5 天前
解决视频模型痛点，TurboDiffusion 高效视频扩散生成系统；Google Streetview 涵盖多个国家的街景图像数据集OpenBayes贝式计算5 天前
OCR教程汇总丨DeepSeek/百度飞桨/华中科大等开源创新技术，实现OCR高精度、本地化部署够快云库6 天前
能源行业非结构化数据治理实战：从数据沼泽到智能资产