SVR算法简介及与其它回归算法的关系

主题：支持向量回归和其他简单回归模型之间的主要区别是什么

支持向量回归找到一个线性函数，表示误差范围 (epsilon) 内的数据。也就是说，大多数点都可以在该边距内找到，如下图所示

这意味着 SVR 比大多数其他回归方法对异常值更稳健，因为它不太关心边际之外的数据

关于machine-learning - SVR与其他简单回归模型的区别，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54604924/ .

另一个观点：

事实并非如此。 在 SVR 中，epsilon 内的点不会产生错误，epsilon 之外的点会产生错误。 这个想法是为了最小化损失，因此该方法将尝试找到将尽可能多的点保留在 epsilon 内的线。

但异常值仍然会产生影响。

参考链接

[1] machine-learning - SVR与其他简单回归模型的区别 时间不详；
[2] 参考链接；