Регресия с опорни вектори
Регресията с опорни вектори (SVR), описана в учебния материал на Smola и Schölkopf от 2004 г., предсказва непрекъснат резултат чрез напасване на функция, която остава в рамките на тръба с ширина epsilon около данните, като същевременно понася възможно най-малко грешка. Тя разширява идеята на машините с опорни вектори от класификация към регресия, използвайки ядро за улавяне на нелинейни зависимости.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Smola, A.J. & Schölkopf, B. (2004). A Tutorial on Support Vector Regression. Statistics and Computing, 14, 199–222. DOI: 10.1023/B:STCO.0000035301.49549.88 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/bg/machine-learning/svm-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- К-най-близки съседиМашинно обучение↔ compare
- Регресия ЛасоМашинно обучение↔ compare
- Регресия с гребен (Ridge Regression)Машинно обучение↔ compare
- Методът на опорните вектори (класификация)Машинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →