Regresia pomocou vektorov podpory
Regresia pomocou vektorov podpory (SVR), opísaná v tutoriáli Smolu a Schölkopfa z roku 2004, predpovedá spojitý výsledok prispôsobením funkcie, ktorá sa drží v rámci "epsilon"-širokej trubice okolo údajov, pričom spôsobuje čo najmenšiu chybu. Rozširuje myšlienku Support Vector Machine z klasifikácie na regresiu, pričom využíva kernel na zachytenie nelineárnych vzťahov.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/sk/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 NeighborsStrojové učenie↔ compare
- Regresia LassoStrojové učenie↔ compare
- Regresia RidgeStrojové učenie↔ compare
- Support Vector Machine (Klasifikácia)Strojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →