Machine learning
서포트 벡터 회귀
Smola와 Schölkopf의 2004년 튜토리얼에서 설명된 서포트 벡터 회귀(SVR)는 데이터 주변에 엡실론(epsilon) 너비의 튜브를 유지하면서 가능한 한 적은 오차를 발생시키는 함수를 맞춰 연속적인 결과를 예측합니다. 이는 분류를 위한 서포트 벡터 머신 아이디어를 회귀로 확장한 것으로, 커널을 사용하여 비선형 관계를 포착합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/ko/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-최근접 이웃머신러닝↔ compare
- 라쏘 회귀머신러닝↔ compare
- 릿지 회귀(Ridge Regression)머신러닝↔ compare
- 서포트 벡터 머신 (분류)머신러닝↔ compare