Regresia cu vectori de suport
Regresia cu vectori de suport (SVR), descrisă în tutorialul din 2004 al lui Smola și Schölkopf, prezice un rezultat continuu prin ajustarea unei funcții care rămâne într-un interval de lățime epsilon în jurul datelor, în timp ce acumulează cât mai puține erori posibil. Extinde ideea mașinii cu vectori de suport de la clasificare la regresie, utilizând un nucleu (kernel) pentru a capta relații neliniare.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/ro/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 NeighborsÎnvățare automată↔ compare
- Regresia LassoÎnvățare automată↔ compare
- Regresia RidgeÎnvățare automată↔ compare
- Mașina cu Vectori Suport (Clasificare)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →