对SVC和SVR

对SVC和SVR的理解

首先：

support vector classify（SVC）支持分类机做二分类的，找出分类面，解决分类问题

support vector regression（SCR）支持回归机做曲线拟合、函数回归 ，做预测，温度，天气，股票

这些都会用于数据挖掘、文本分类、语音识别、生物信息，具体问题具体分析

其中：

C-Support Vector Classication和v-Support Vector Classication区别：

C-SVC：参数C[0,无穷大]

v-SVC：使用参数v[0,1]用来控制支持向量的数量和训练错误。
One-class SVM是用来估计数据的分布的（Distribution Estimation）
e-Support Vector Regression。
v-Support Vector Regression增加了控制支持向量参数的参数

每个对应不同的Formulations

从目标函数和约束条件上的区别：

SVC：

 

SVR：

 

 

 

约束中松弛变量与惩罚项的关系。

 

最后总结：

分类是找一个平面，边界上点到平面的距离最远，回归是让每个点到回归线的距离最小。SVM 回归机引入一个 ε-不敏感损失函数作 为损失函数

 

转载于：https://www.cnblogs.com/ylHe/p/7676173.html