支持向量机 - 回归（SVR）_CDA答疑社区

热线电话：13121318867

登录

809669515

2018-10-31 阅读量: 1021

支持向量机 - 回归（SVR）

支持向量机也可以用作回归方法，保持表征算法的所有主要特征（最大边距）。支持向量回归（SVR）使用与SVM相同的原则进行分类，只有一些细微差别。首先，因为输出是实数，所以很难预测手头的信息，这些信息具有无限的可能性。在回归的情况下，容差裕度（epsilon）被设置为近似于已经从问题请求的SVM。但除此之外，还有一个更复杂的原因，算法更复杂，因此需要考虑。然而，主要思想始终是相同的：为了最大限度地减少错误，个性化超平面，最大化边际，

线性SVR

非线性SVR

内核函数将数据转换为更高维度的特征空间，以便可以执行线性分离。

内核函数

0.0000

0

2

关注作者

收藏

评论(0)

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子