SVM回归算法：原理、参数优化及示意图

SVM回归算法通过在高维空间中确定一个超平面，使尽可能多的数据点位于决策边界内。该方法引入了松弛变量，允许预测变量与实测响应变量存在一定偏差。当样本数据偏离决策边界时，会计算损失。通过最小化损失并最大化决策间隔，可以获得最优的SVM模型。本研究通过网格搜索确定了最优的C和γ超参数，并将损失函数中的ε设定为10-2。SVM回归算法的示意图见图4-4。