SVM过拟合问题
非常平坦( 【SVM过拟合问题】
)的拟合直线正是SVM回归的常态,而且常数的预测也丝毫不像是过拟合。从情形来看,最直观的结论是,如果参数设定无误,那么应当换模型,至少换用核函数。对于题主所说的时间序列数据,考虑自相关的因素时序模型似乎更为合适。对于SVM回归直线
对于最简单的情形,给定误差容忍上限
,则系数
是以下最优化问题的解
不难看出,如果
足够大,或数据本身的分布非常平坦,那么
趋于0是自然而然的,此时相当于用平均值估计。综上,这并非是过拟合,而是因为模型的选择不当。
推荐阅读
- 江苏■江苏交控坚持问题导向、瞄准职工需求——找准“病灶”当好“产改先行官”
- 贵州在建骨干水源工程达到465座有效解决工程性区域性缺水问题
- 四川眉山瓦屋山景区就游客投诉、停车难等问题公开道歉
- 杭州已整改城市道路无障碍环境问题12467处
- 互联网怎样解决“家政服务上门速度慢”的问题
- 中东问题|
- 中国网汽车|购车2个多月、仅行驶8000多公里 宝骏730遭遇7处问题
- |沛县深入开展教育领域突出问题专项整改
- 交换机,路由器经常性的死机咋办
- 微博目前已经支持文本,图片,位置分享,为啥没有语音和视频呢微博的pm肯定想过这两种微博形态,但迟迟不做的原因到底是啥。是语音和视频不符合产