Differenza tra ep-SVR e nu-SVR (e SVR minimi quadrati)

Sto cercando di scoprire quale SVR è adatto a quel tipo di dati.

Conosco 4 tipi di SVR:

• epsilon
• nu
• minimi quadrati e
• lineare.

Capisco che SVR lineare è più o meno come un lazo con L1 Reg, ma qual è la differenza tra le restanti 3 tecniche?

In -SVR, il parametro ν viene utilizzato per determinare la proporzione del numero di vettori di supporto che si desidera conservare nella propria soluzione rispetto al numero totale di campioni nel set di dati. In ν -SVR il parametro ϵ viene introdotto nella formulazione del problema di ottimizzazione e viene stimato automaticamente (in modo ottimale).$\nu$$\nu$$\nu$$\epsilon$

$\epsilon$$\epsilon$$C$

$\nu$$\epsilon$

$\epsilon$$\nu$$\nu$$\nu$

I minimi quadrati SVR differiscono dagli altri due usando i residui quadrati nella funzione di costo anziché la perdita della cerniera.

$\nu$

Mi piacciono le risposte di Pablo e Marc. Un ulteriore punto:

Nel documento citato da Marc c'è scritto (sezione 4)

$\nu$$\epsilon$$\epsilon$$\epsilon$$y$

[...]

$\epsilon$$y$$\epsilon$$[-1,+1]$$\epsilon$$[0, 1]$$\nu$$\epsilon$

$\epsilon$$\epsilon -$$\nu -$

Cosa ne pensi?