Support Vector Regression

释义 Definition（中文）

支持向量回归（常缩写为 SVR）：一种基于支持向量机思想的回归方法，用于预测连续数值。它通过在特征空间中寻找一个“尽量平坦”的函数，并在允许的误差范围内（常用 ε-不敏感损失）拟合数据；同时借助核函数可处理非线性关系。除回归含义外，“regression”在其他语境也可指“回归/倒退”（此处取机器学习中的回归）。

发音 Pronunciation（IPA）

/səˈpɔːrt ˈvɛktər rɪˈɡrɛʃən/

例句 Examples

SVR works well when you have few training samples.
当训练样本较少时，SVR 往往表现良好。

Using a radial basis function kernel, support vector regression can model nonlinear trends while controlling overfitting through regularization.
使用径向基函数核时，支持向量回归可以拟合非线性趋势，并通过正则化控制过拟合。

词源 Etymology（中文）

“Support vector regression”由 support vector（支持向量）与 regression（回归）组成，源自支持向量机（SVM）的理论框架。支持向量的概念与统计学习理论密切相关，常与 Vapnik 等人的工作关联；SVR 可视为把 SVM 的“间隔最大化/正则化”思想从分类扩展到连续值预测。

相关词 Related Words

• Support Vector Machine
• Kernel
• Hyperplane
• Regularization
• Epsilon-Insensitive Loss
• Regression
• Radial Basis Function
• Overfitting
• Cross-Validation

文学与著作 Literary Works（出现或讨论该术语的知名作品）

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）：在核方法与支持向量机相关章节中讨论 SVR/支持向量方法的回归扩展。
• Learning with Kernels（Schölkopf & Smola）：系统介绍核方法，包含支持向量回归的理论与实现要点。
• The Nature of Statistical Learning Theory（Vapnik）：统计学习理论经典著作，为 SVR 的思想背景与方法奠基。
• “A Tutorial on Support Vector Regression”（Smola & Schölkopf）：专门讲解 SVR 的综述/教程型论文。