Regressió amb Màquines de Vectors de Suport
La Regressió amb Màquines de Vectors de Suport (SVR), descrita al tutorial de Smola i Schölkopf de 2004, prediu un resultat continu ajustant una funció que es manté dins d'un tub d'epsilon d'amplada al voltant de les dades, tot incorrent en el menor error possible. Estén la idea de la màquina de vectors de suport de la classificació a la regressió, utilitzant un nucli per capturar relacions no lineals.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/ca/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.
- K-Nearest NeighborsAprenentatge automàtic↔ compare
- Regressió LassoAprenentatge automàtic↔ compare
- Regressió RidgeAprenentatge automàtic↔ compare
- Màquina de Vectors de Suport (Classificació)Aprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →