Support Vector Regression
Support Vector Regression (SVR), yang dihuraikan dalam tutorial Smola dan Schölkopf (2004), meramal hasil yang berterusan dengan memadankan fungsi yang kekal dalam tiub epsilon-lebar di sekitar data sambil menanggung kesilapan sesedikit mungkin. Ia melanjutkan idea mesin vektor sokongan daripada klasifikasi kepada regresi, menggunakan kernel untuk menangkap hubungan tak linear.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/ms/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 NeighborsPembelajaran Mesin↔ compare
- Lasso RegressionPembelajaran Mesin↔ compare
- Regresi RabungPembelajaran Mesin↔ compare
- Mesin Vektor Sokongan (Klasifikasi)Pembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →