Sự khác biệt giữa ep-SVR và nu-SVR (và bình phương nhỏ nhất SVR)

11

Tôi đang cố gắng tìm ra SVR nào phù hợp với loại dữ liệu đó.

Tôi biết 4 loại SVR:

epsilon
nu
bình phương nhỏ nhất và
tuyến tính.

Tôi hiểu SVR tuyến tính ít nhiều giống như Lasso với L1 Reg, nhưng sự khác biệt giữa 3 kỹ thuật còn lại là gì?

regression svm

— Sharath Chandra
nguồn

11

Trong -SVR, tham số được sử dụng để xác định tỷ lệ số lượng vectơ hỗ trợ mà bạn muốn giữ trong giải pháp của mình so với tổng số mẫu trong tập dữ liệu. Trong -SVR tham số được đưa vào xây dựng bài toán tối ưu và người ta ước tính tự động (tối ưu) cho bạn. $\nu$ $\nu$ $\nu$ $\epsilon$

$\epsilon$ $\epsilon$ $C$

$\nu$ $\epsilon$

— Pablo Rivas
nguồn

5

$\epsilon$ $\nu$ $\nu$ $\nu$

Bình phương tối thiểu SVR khác với hai bình phương còn lại bằng cách sử dụng phần dư bình phương trong hàm chi phí thay vì mất bản lề.

$\nu$

— Marc Claesen
nguồn

Cảm ơn câu trả lời của bạn Marc. Vậy chúng ta có thể phân biệt phương pháp phù hợp dựa trên tập dữ liệu chúng ta có không? Nếu vậy, bạn có thể cho tôi một số gợi ý? Tôi có 40000 mẫu với 200 đầu ra khác biệt. Vì vậy, nó có thể được coi là 200 bộ 200 mẫu độc đáo. Tuy nhiên, đầu vào cho tất cả 40000 là khác nhau, chỉ có đầu ra là duy nhất cho 200 mẫu.

— Sharath Chandra

0

Tôi thích cả câu trả lời của Pablo và Marc. Một điểm bổ sung:

Trong bài viết được trích dẫn bởi Marc có viết (phần 4)

$\nu$ $\epsilon$ $\epsilon$ $\epsilon$ $y$

[...]

$\epsilon$ $y$ $\epsilon$ $[-1,+1]$ $\epsilon$ $[0, 1]$ $\nu$ $\epsilon$

$\epsilon$ $\epsilon -$ $\nu -$

Bạn nghĩ sao?

— spec3
nguồn