Machine learning
การถดถอยเวกเตอร์สนับสนุน
Support Vector Regression (SVR) ซึ่งอธิบายไว้ในบทความสอนของ Smola และ Schölkopf (2004) ทำนายผลลัพธ์ต่อเนื่องโดยการปรับฟังก์ชันที่อยู่ในขอบเขตของท่อที่มีความกว้าง epsilon รอบข้อมูล โดยมีข้อผิดพลาดน้อยที่สุดเท่าที่จะเป็นไปได้ เป็นการขยายแนวคิดของ support vector machine จากการจำแนกประเภทไปสู่การถดถอย โดยใช้เคอร์เนลเพื่อจับความสัมพันธ์ที่ไม่เป็นเชิงเส้น
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/th/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 Neighborsการเรียนรู้ของเครื่อง↔ compare
- Lasso Regressionการเรียนรู้ของเครื่อง↔ compare
- Ridge Regressionการเรียนรู้ของเครื่อง↔ compare
- Support Vector Machineการเรียนรู้ของเครื่อง↔ compare