Regresija potpornih vektora
Regresija potpornih vektora (SVR), opisana u Smola i Schölkopf-ovom tutorijalu iz 2004. godine, predviđa kontinuirani ishod prilagođavanjem funkcije koja ostaje unutar cevi (tube) debljine epsilon oko podataka, uz što manje greške. Ona proširuje ideju mašina potpornih vektora iz klasifikacije na regresiju, koristeći kernel za hvatanje nelinearnih odnosa.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/sr/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 NeighborsMašinsko učenje↔ compare
- Regresija LasoMašinsko učenje↔ compare
- Rigidna regresijaMašinsko učenje↔ compare
- Support Vector Machine (Klasifikacija)Mašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →