机器学习笔记:支持向量机回归SVR

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

机器学习笔记:支持向量机回归SVR_第1张图片

机器学习笔记:支持向量机回归SVR_第2张图片

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

机器学习笔记:支持向量机回归SVR_第3张图片

机器学习笔记:支持向量机回归SVR_第4张图片

机器学习笔记:支持向量机回归SVR_第5张图片

参考:

支持向量回归(SVR)的详细介绍以及推导算法-腾讯云开发者社区-腾讯云 (tencent.com)

支持向量机(SVM)和支持向量机回归(SVR) - 知乎 (zhihu.com)

你可能感兴趣的:(机器学习,机器学习,笔记,支持向量机)