機器學習入門（十八）：一種「寬容」的迴歸模型

嚴格的線性迴歸 之前我們講過線性迴歸：在向量空間裏用線性函數去擬合樣本。 該模型以所有樣本實際位置到該線性函數的綜合距離爲損失，通過最小化損失來求取線性函數的參數。參見下圖： 對於線性迴歸而言，一個樣本只要不是正好落在最終作爲模型的線性函數上，就要被計算損失。 如此嚴格，真的有利於得出可擴展性良好的模型嗎？ 寬容的支持向量迴歸（SVR） 今天我們來介紹一種「寬容的」迴歸模型：支持向量迴歸（Supp

>>阅读原文<<