机器学习笔记 - 什么是支持向量回归(SVR)？_svr支持向量回归

一、什么是支持向量回归

1、支持向量机

        在机器学习中，支持向量机是具有相关学习算法的监督学习模型，用于分析用于分类和回归分析的数据。在支持向量回归中，拟合数据所需的直线称为超平面。

         支持向量机算法的目标是在 n 维空间中找到一个对数据点进行明确分类的超平面。超平面两侧最接近超平面的数据点称为支持向量。这些影响超平面的位置和方向，从而有助于构建 SVM。

        上面图形对应的代码。

import time
 
import numpy as np
import matplotlib
matplotlib.use('svg')
import matplotlib.pyplot as plt
 
from sklearn.svm import SVR
from sklearn.kernel_ridge import KernelRidge
from sklearn.model_selection import GridSearchCV
from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import WhiteKernel, ExpSineSquared
 
rng = np.random.RandomState(0)
 
# Generate sample data
X =