大家好，又见面了，我是你们的朋友全栈君。
SVM除了具有线性分类和非线性分类之外，还支持回归（SVR）。与传统的回归问题有所不同，在定义损失的时候，容忍f(x)与y之间有一定的偏差，具体推导过程如下图。由于回归问题引入了容忍偏差，松弛变量，式子相较于SVM分类更复杂一些，但是总体的求解思路是一致的，包括：定义目标函数、目标函数转换为无约束优化问题、对偶问题、SMO求解α，根据KKT条件找支持向量并计算b。
上图中把W带入化简过程已省略，感兴趣的可以自己推一下，与SVM分类的化简过程相似，本人偷了个懒…
最近计划把所有常用的机器学习算法都从头到尾手写一遍，以后关于机器学习方面的内容大都以图片的形式展现，如果阅读困难可以留言交流，提前祝大家六一儿童节快乐，也祝我的母校110周年生日快乐！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/138532.html原文链接：https://javaforall.net
