机器算法验证 - Epsilon 在 SVM 回归中的含义 - 吾爱随笔录

我做了一些教程并阅读了几篇文章，但 SVM 仍然存在问题，正是 SVR。我在 R 中进行分析，我使用带有“svm”功能的 e1071 库。在那个函数中，我使用了我的多变量方程，所以 svm 从现在开始就像 SVR 一样工作。

我的结果：

(general: cost=1,gamma=0.1666)
-epsilon=0.1(61 SV-supported vectors) - RMSE = 4.1(on unseen data)
-epsilon=1(10 SV) - RMSE = 19(on unseen data)
-epsilon=1.3(7 SV) - RMSE = 25(on unseen data)

当 epsilon 增加时，我知道我们实际上应该有更多支持的向量，如下图所示：

在我们的例子中，我们可以看到更大的 epsilon 支持的向量越少。我不知道为什么会这样。如果有人可以向我解释，我会很高兴。