python svr回归_SVR入门介绍（Python代码）

一. SVR原理简述

在前面的文章中详细讨论过关于线性回归的公式推导，线性回归传送站。线性回归的基本模型为：

，从某方面说这和超平面的的表达式：

有很大的相似性。但SVR认为只要

与

不要偏离太大即算预测正确，

为拟合精度控制参数。如图所示：SVR 示意图

从图例中分析，支持向量机回归与线性回归相比，支持向量回归表示只要在虚线内部的值都可认为是预测正确，只要计算虚线外部的值的损失即可。考虑到SVM中线性不可分的情形，在引入松弛变量

最终得出支持向量机回归的最优化问题：

s.t

;

;

;

。

引入拉格朗日乘数，经过一系列求解与对偶，求的线性拟合函数为：