- 能够容忍一定范围内的预测和真值的偏差。
- SVR问题的形式：
引入松弛变量之后的问题形式：
问题对应的拉格朗日函数为：
原问题的对偶问题为极大极小问题：
先求拉格朗日函数在w,b以及松弛变量变化下的极小问题，求偏导等于零得到如下结果：
带入后得到如下结果：
本文详细探讨了支持向量回归（SVR）的概念，解释了它如何允许在预测与真实值之间存在一定误差，并介绍了引入松弛变量后的SVR问题形式。通过拉格朗日乘子法，解析了SVR的对偶问题，讨论了KKT条件下的解，为理解和应用SVR提供了深入理解。
最低0.47元/天 解锁文章
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
