Регрессия на основе опорных векторов
Регрессия на основе опорных векторов (SVR), описанная в руководстве Smola и Schölkopf (2004), предсказывает непрерывный результат путем подгонки функции, которая остается в пределах трубы шириной эпсилон вокруг данных, при этом минимизируя ошибку. Она расширяет идею машины опорных векторов из классификации на регрессию, используя ядро для улавливания нелинейных зависимостей.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/ru/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.
- Метод K ближайших соседейМашинное обучение↔ compare
- Регрессия ЛассоМашинное обучение↔ compare
- Гребневая регрессияМашинное обучение↔ compare
- Метод опорных векторов (классификация)Машинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →