SVM过拟合问题

非常平坦( 【SVM过拟合问题】 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SVM过拟合问题
对于最简单的情形,给定误差容忍上限SVM过拟合问题
,则系数SVM过拟合问题
是以下最优化问题的解SVM过拟合问题
SVM过拟合问题
不难看出,如果SVM过拟合问题
足够大,或数据本身的分布非常平坦,那么SVM过拟合问题
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