1,526
个编辑
更改
跳到导航
跳到搜索
第274行：
第274行： − +
→回归
[https://zh.wikipedia.org/wiki/%E8%BF%B4%E6%AD%B8%E5%88%86%E6%9E%90 回归] 形式的支持向量机于1996年由[https://zh.wikipedia.org/wiki/%E5%BC%97%E6%8B%89%E5%9F%BA%E7%B1%B3%E5%B0%94%C2%B7%E4%B8%87%E6%99%AE%E5%B0%BC%E5%85%8B Vladimir N. Vapnik], Harris Drucker, Christopher J. C. Burges, Linda Kaufman and Alexander J. Smola提出。<ref>Drucker, Harris; Burges, Christopher J. C.; Kaufman, Linda; Smola, Alexander J.; and Vapnik, Vladimir N. (1997); "[http://papers.nips.cc/paper/1238-support-vector-regression-machines.pdf Support Vector Regression Machines]", in ''Advances in Neural Information Processing Systems 9, NIPS 1996'', 155–161, MIT Press.</ref>该方法称为支持向量回归（SVR）。支持向量分类的模型仅依靠训练数据的子集，因为模型的损失函数不关心边缘以外的训练点。类似的，SVR模型仅依靠因为模型的损失函数不关心边缘以外的训练点，因为模型的损失函数忽视了接近模型预测的训练数据。另一形式的SVM，即[https://en.wikipedia.org/wiki/Least_squares_support_vector_machine 最小二乘支持向量机] 已经由Suykens和Vandewalle提出。<ref>Suykens, Johan A. K.; Vandewalle, Joos P. L.; "[https://lirias.kuleuven.be/bitstream/123456789/218716/2/Suykens_NeurProcLett.pdf Least squares support vector machine classifiers]", ''Neural Processing Letters'', vol. 9, no. 3, Jun. 1999, pp. 293–300</ref>
[https://zh.wikipedia.org/wiki/%E8%BF%B4%E6%AD%B8%E5%88%86%E6%9E%90 回归] 形式的支持向量机于1996年由[https://zh.wikipedia.org/wiki/%E5%BC%97%E6%8B%89%E5%9F%BA%E7%B1%B3%E5%B0%94%C2%B7%E4%B8%87%E6%99%AE%E5%B0%BC%E5%85%8B Vladimir N. Vapnik], Harris Drucker, Christopher J. C. Burges, Linda Kaufman and Alexander J. Smola提出。<ref>Drucker, Harris; Burges, Christopher J. C.; Kaufman, Linda; Smola, Alexander J.; and Vapnik, Vladimir N. (1997); "[http://papers.nips.cc/paper/1238-support-vector-regression-machines.pdf Support Vector Regression Machines]", in ''Advances in Neural Information Processing Systems 9, NIPS 1996'', 155–161, MIT Press.</ref>该方法称为支持向量回归（SVR）。支持向量分类的模型仅依靠训练数据的子集，因为模型的损失函数不关心边缘以外的训练点。类似的，SVR模型仅依靠因为模型的损失函数不关心边缘以外的训练点，因为模型的损失函数忽视了接近模型预测的训练数据。另一形式的SVM，即[https://en.wikipedia.org/wiki/Least_squares_support_vector_machine 最小二乘支持向量机] 已经由Suykens和Vandewalle提出。<ref>Suykens, Johan A. K.; Vandewalle, Joos P. L.; "[https://lirias.kuleuven.be/bitstream/123456789/218716/2/Suykens_NeurProcLett.pdf Least squares support vector machine classifiers]", ''Neural Processing Letters'', vol. 9, no. 3, Jun. 1999, pp. 293–300</ref>
训练原始SVR意味着求解<ref>{{cite journal |last1=Smola |first1=Alex J. |first2=Bernhard |last2=Schölkopf |title=A tutorial on support vector regression |journal=Statistics and Computing |volume=14 |issue=3 |year=2004 |pages=199–222 |url=http://eprints.pascal-network.org/archive/00000856/01/fulltext.pdf |deadurl=no |archiveurl=https://web.archive.org/web/20120131193522/http://eprints.pascal-network.org/archive/00000856/01/fulltext.pdf |archivedate=2012-01-31 }}</ref>
训练原始SVR意味着求解<ref>Alex J.Smola,Bernhard Schölkopf(2004) [http://eprints.pascal-network.org/archive/00000856/01/fulltext.pdf A tutorial on support vector regression] </ref>
:minimize <math>\frac{1}{2} \|w\|^2 </math>
:minimize <math>\frac{1}{2} \|w\|^2 </math>