Регресія на основі опорних векторів
Регресія на основі опорних векторів (SVR), описана в огляді Smola та Schölkopf (2004), прогнозує неперервний результат, підбираючи функцію, яка залишається в межах епсилон-широкої смуги навколо даних, мінімізуючи при цьому похибки. Вона розширює ідею машини опорних векторів з класифікації на регресію, використовуючи ядро для захоплення нелінійних залежностей.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Support Vector Regression (SVR). ScholarGate. https://scholargate.app/uk/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.
- К-найближчі сусідиМашинне навчання↔ compare
- Lasso-регресіяМашинне навчання↔ compare
- Гребенева регресіяМашинне навчання↔ compare
- Метод опорних векторів (класифікація)Машинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →