一图+一句话理解机器学习算法之支持向量回归（Support Vector Regression, SVR）
·
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<script type="math/tex" id="MathJax-Element-180">(f(x)-y)^2</script>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αα<script type="math/tex" id="MathJax-Element-181">\alpha</script>,只计算|f(x)−y|>α|f(x)−y|>α<script type="math/tex" id="MathJax-Element-182">|f(x)-y|>\alpha</script>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： 
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
0
0- 0
已为社区贡献3条内容
所有评论(0)