Analysis of Support Vector Machines Regression
Analysis of Support Vector Machines Regression
复制标题
支持向量机回归分析
DOI：
10.1007/s10208-008-9026-0
复制
发表时间：
2009-03
影响因子：
3
通讯作者：
Chen, Di-Rong
中科院分区：
文献类型：
--
作者：
Peng, Lizhong;Tong, Hongzhi;Chen, Di-Rong
支持向量机回归（Support Vector Machines Regression，SVMR）是一种再生核希尔伯特空间中的正则化学习算法，其损失函数称为ε-不敏感损失函数。与人们熟知的最小二乘回归相比，SVMR的研究
Support vector machines regression (SVMR) is a regularized learning algorithm in reproducing kernel Hilbert spaces with a loss function called the ε-insensitive loss function. Compared with the well-understood least square regression, the study of SVMR is
登录
查看更多内容
DOI：
10.1090/s0002-9947-1950-0051437-7
发表时间：
1950-01-01
影响因子：
1.3
作者：
ARONSZAJN, N
通讯作者：
ARONSZAJN, N
DOI：
--
发表时间：
1995
期刊：
--
影响因子：
--
作者：
V. Vapnik
通讯作者：
V. Vapnik
影响因子：
1.5
作者：
Christmann, Andreas;Steinwart, Ingo
通讯作者：
Steinwart, Ingo
DOI：
10.1016/b978-0-12-386908-1.00037-9
发表时间：
2018-11
期刊：
Wiley Series in Probability and Statistics
影响因子：
--
作者：
Bruce E. Blaine
通讯作者：
Bruce E. Blaine
影响因子：
2.5
作者：
S. Smale;Ding-Xuan Zhou
通讯作者：
S. Smale;Ding-Xuan Zhou