tags: 机器学习

支持向量回归(Support Vector Regression, SVR)

文章目录

• 支持向量回归(Support Vector Regression, SVR)
• 1. 原问题
• 2. 对偶问题
• 3. 核方法

Support Vector Regression.

支持向量回归 （Support Vector Regression，SVR ）是一种启发于[支持向量机](https://0809zheng.github.io/2020/03/14/SVM.html)和[Tube回归](https://0809zheng.github.io/2020/03/29/tube.html)的回归方法。SVR 从使用了L2 正则化的Tube回归出发，借鉴了支持向量机中的"支持向量"的思想，使用稀疏的样本点来决定回归函数。

![](https://img-blog.csdnimg.cn/img_convert/cc56643becf2fe1dd9f42df03028dbae.jpeg)

1. 原问题
   ==============

若样本集

    ===========================
    【来源： CSDN】
    【作者： 禅与计算机程序设计艺术】
    【原文链接】 https://dreamit.blog.csdn.net/article/details/130414856
    声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。