SVRの概要 線形の回帰分析手法 サポートベクターマシン (SVM) を回帰分析に応用 目的変数の誤差に加えて、それぞれ以下の項を最小化することで、過学習を防ぐ リッジ回帰 (RR)・LASSO・Elastic Net (EN) と同じ 誤差に不感帯を設けることでノイズの影響を受けにくい カーネルトリックにより非線形の回帰モデルに スライドのタイトル サポートベクター回帰 (SVR) とは? 基本的にSVRは線形の回帰分析手法 回帰係数 b 非線形の回帰モデルへ SVMとSVRとの比較 SVRの誤差関数 スラック変数 RR・LASSO・EN との関係 Lagrangeの未定乗数法 偏微分して0 G の変形 カーネル関数の例 α を求める 二次計画問題 SVRの回帰式 サポートベクターとは c の計算 SVRのまとめ・特徴 C, ε, γ の決め方 参考資料 C.M. ビショップ,パターン認
![サポートベクター回帰(Support Vector Regression, SVR)~サンプル数10000以下ならこれを使うべし!~](https://cdn-ak-scissors.b.st-hatena.com/image/square/ea7823f62d3d10a9b458f7ceafa0f10af3f20cf2/height=288;version=1;width=512/https%3A%2F%2Fdatachemeng.com%2Fwp-content%2Fuploads%2F2017%2F07%2FSnapCrab_2017-7-1_17-52-27_No-00.png)