一图+一句话理解机器学习算法之支持向量回归（Support Vector Regression, SVR）

支持向量回归(SVR)传统回归方法当且仅当回归f(x)完全等于y时才认为预测正确，如线性回归中常用 $(f (x) - y)^{2}$ 来计算其损失。而支持向量回归则认为只要f(x)与y偏离程度不要太大，既可以认为预测正确，不用计算损失，具体的，就是设置阈值 $α$ ,只计算 $| f (x) - y | > α$ 的数据点的loss，如下图所示，阴影部分的数据点我们都认为该模型预测准确了，只计算阴影外的数据点的loss：
一图+一句话理解机器学习算法之支持向量回归（Support Vector Regression, SVR）