支持向量回归

王而川 2023-01-12 23:40:26

课时名称	课时知识点
支持向量回归	支持向量回归

...全文

161 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

支持向量机最初是作为分类模型出现的，特别是对于二分类模型有很好的表现。如果将支持向量机改装成支持向量回归机，将达到比线性回归或其他回归模型更加优秀的效果，而且不需要假设目标函数是优秀的回归模型。支持向量回归的求解仿照支持向量分类机。

1. Matlab实现支持向量机的数据回归预测（完整源码和数据) 2. 多变量输入，单变量输出，数据回归预测 3. 评价指标包括：R2、MAE、MSE、RMSE 4. 包括拟合效果图和散点图 5. Excel数据，暂无版本限制，推荐2018B及以上版本注：采用 Libsvm 工具箱（无需安装，可直接运行），仅支持 Windows 64位系统

我的博客上有详细解说这个算法的实现，用java代码实现，以及每个公式的解说。网址：http://blog.csdn.net/techq/archive/2011/02/01/6171688.aspx

SVM 回归算法称为支持向量回归或SVR。支持向量回归是一种监督学习算法，用于预测离散值。支持向量回归使用与 SVM 相同的原理。SVR 背后的基本思想是找到最佳拟合线。在 SVR 中，最佳拟合线是点数最多的超平面。 SVR将输入的数据的原始空间映射到更高维的特征空间，通常通过非线性高斯核函数实现。在特征空间中，问题变成了拟合数据的最优线性平面的构造。

文章详细介绍了支持向量机SVM及其拓展，支持向量回归SVR.并从线性分类和非线性分类的角度出发，详细推导了硬间隔、软间隔和核函数的支持向量机。

王而川的课程社区_NO_4

45

社区成员

44

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章