机器学习入门（十八）：一种“宽容”的回归模型

严格的线性回归 之前我们讲过线性回归：在向量空间里用线性函数去拟合样本。 该模型以所有样本实际位置到该线性函数的综合距离为损失，通过最小化损失来求取线性函数的参数。参见下图： 对于线性回归而言，一个样本只要不是正好落在最终作为模型的线性函数上，就要被计算损失。 如此严格，真的有利于得出可扩展性良好的模型吗？ 宽容的支持向量回归（SVR） 今天我们来介绍一种“宽容的”回归模型：支持向量回归（Supp

>>阅读原文<<