個人總結：從 SVM分類 到 線性支持迴歸SVR

回顧前面的SVM分類模型中，我們的目標函數是讓最小，同時讓各個訓練集中的點儘可能遠離自己類別一邊的支持向量，即；若加入一個鬆弛變量，則目標函數變爲，對應約束條件變爲。 線性支持迴歸也是儘量將訓練集擬合到一個線性模型。但是損失不是使用常用的均方差作爲損失函數，而是定義一個常量，對於某一個點，如果，則認定爲沒有損失。若，則對應的損失爲。 這個損失和均方差的區別在於，就會有損失。 如圖藍色透明帶內的點是

>>阅读原文<<