對SVC和SVR的理解

首先：

support vector classify（SVC）支持分類機做二分類的，找出分類面，解決分類問題

support vector regression（SCR）支持回歸機做曲線擬合、函數回歸 ，做預測，溫度，天氣，股票

這些都會用於數據挖掘、文本分類、語音識別、生物信息，具體問題具體分析

其中：

C-Support Vector Classi cation和v-Support Vector Classi cation區別：

C-SVC：參數C[0,無窮大]

v-SVC：使用參數v[0,1]用來控制支持向量的數量和訓練錯誤。
One-class SVM是用來估計數據的分布的（Distribution Estimation）
e-Support Vector Regression。
v-Support Vector Regression增加了控制支持向量參數的參數

每個對應不同的Formulations

從目標函數和約束條件上的區別：

SVC：

 

SVR：

 

 

 

約束中松弛變量 與懲罰項的關系。

 

最后總結：

分類是找一個平面，邊界上點到平面的距離最遠，回歸是讓每個點到回歸線的距離最小。SVM 回歸機引入一個 ε-不敏感損失函數作 為損失函數

 

 

libsvmFAQ：http://www.csie.ntu.edu.tw/~cjlin/libsvm/faq.html#f411