支持向量回归(SVR)传统回归方法当且仅当回归f(x)完全等于y时才认为预测正确,如线性回归中常用
(f(x)−y)2
(
f
(
x
)
−
y
)
2
来计算其损失。而支持向量回归则认为只要f(x)与y偏离程度不要太大,既可以认为预测正确,不用计算损失,具体的,就是设置阈值
α
α
,只计算
|f(x)−y|>α
|
f
(
x
)
−
y
|
>
α
的数据点的loss,如下图所示,阴影部分的数据点我们都认为该模型预测准确了,只计算阴影外的数据点的loss:
一图+一句话理解机器学习算法之支持向量回归(Support Vector Regression, SVR)
最新推荐文章于 2024-08-19 14:45:48 发布