Støttevektorregresjon
Støttevektorregresjon (SVR), beskrevet i Smola og Schölkopfs "tutorial" fra 2004, predikerer et kontinuerlig utfall ved å tilpasse en funksjon som holder seg innenfor et epsilon-bredt rør rundt dataene, samtidig som den pådrar seg så lite feil som mulig. Den utvider støttevektormaskin-ideen fra klassifisering til regresjon, ved å bruke en kjerne for å fange opp ikke-lineære sammenhenger.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/no/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 NeighborsMaskinlæring↔ compare
- Lasso-regresjonMaskinlæring↔ compare
- Ridge RegressionMaskinlæring↔ compare
- Støttevektormaskin (klassifisering)Maskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →