Támogató Vektor Regresszió
A támogató vektor regresszió (Support Vector Regression, SVR), amelyet Smola és Schölkopf 2004-es oktatóanyaga ismertet, folytonos kimenetet prediktál egy olyan függvény illesztésével, amely egy epsilon szélességű "csőben" marad az adatok körül, miközben a lehető legkevesebb hibát okozza. Ez a támogató vektoros gépek osztályozásból származó ötletét terjeszti ki a regresszióra, kernelt használva a nemlineáris kapcsolatok megragadására.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/hu/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-Legközelebbi szomszédokGépi tanulás↔ compare
- Lasso-regresszióGépi tanulás↔ compare
- Ridge RegressionGépi tanulás↔ compare
- Support Vector Machine (Osztályozás)Gépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →