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！～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
