Regresija potpornih vektora
Regresija potpornih vektora (SVR), opisana u Smola i Schölkopfovu (2004) priručniku, predviđa kontinuirani ishod prilagođavanjem funkcije koja ostaje unutar cijevi (tube) širine epsilon oko podataka, uz što manje pogreške. Proširuje ideju potpornih vektora iz klasifikacije na regresiju, koristeći kernel za hvatanje nelinearnih odnosa.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/hr/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-Najbližih SusjedaStrojno učenje↔ compare
- Regresija LassoStrojno učenje↔ compare
- Ridge RegressionStrojno učenje↔ compare
- Stroj potpornih vektora (klasifikacija)Strojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →