Regresión con Vectores de Soporte
La Regresión con Vectores de Soporte (SVR), descrita en el tutorial de Smola y Schölkopf de 2004, predice un resultado continuo ajustando una función que se mantiene dentro de un tubo de ancho épsilon alrededor de los datos, incurriendo en el menor error posible. Extiende la idea de la máquina de vectores de soporte de la clasificación a la regresión, utilizando un kernel para capturar relaciones no lineales.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/es/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.
- Vecinos más cercanos (K-NN)Aprendizaje automático↔ compare
- Regresión LassoAprendizaje automático↔ compare
- Regresión RidgeAprendizaje automático↔ compare
- Máquina de Vectores de Soporte (Clasificación)Aprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →