支持向量机及其回归应用概述.pdfVIP

内容提要

◼线性可分支持向量机

◼线性不可分支持向量机

◼支持向量机回归

◼实现策略

◼多分类

SVM本身是针对经典的二分类问题，支持向

量回归机（SupportVectorRegression，SVR）

是支持向量在函数回归领域的应用。

SVR与SVM分类有以下不同：SVM回归的样本点只

有一类，所寻求的最优超平面不是使两类样本点分

得“最开”，而是使所有样本点离超平面的“总偏

差”最小。这时样本点都在两条边界线之间，求最

优回归超平面同样等价于求最大间隔。

对于线性情况，支持向量机函数拟合首先考虑用线

性回归函数拟合

f(x)x+b

n

(x,y),i1,2,...,n,xR,yR