0
SVM是用于分类的模型。对于回归,要使用支持向量回归(SVR)。SVR的思想与SVM的思想密切相关:
在SVM中,我们希望找到一个分离的超平面,以使所有点都与该平面相距一定距离。如果有些点离分离超平面太近,则会受到惩罚,即铰链损失:
在SVR中,我们想要找到一个函数,使得所有点都距该函数一定距离之内。 同样,如果点在此距离之外,则会受到惩罚:
收藏
SVM是用于分类的模型。对于回归,要使用支持向量回归(SVR)。SVR的思想与SVM的思想密切相关:
在SVM中,我们希望找到一个分离的超平面,以使所有点都与该平面相距一定距离。如果有些点离分离超平面太近,则会受到惩罚,即铰链损失:
在SVR中,我们想要找到一个函数,使得所有点都距该函数一定距离之内。 同样,如果点在此距离之外,则会受到惩罚: