1回答

liuyubobobo

2019-01-30

首先，这二者的表意是等价的，都是代表margin的宽度。

区别在于，在SVC中（使用SVM解决分类问题的时候），d是一个算法内部的中间变量，回忆一下我们的SVM的推导过程，我们通过要最大化d，最终得到SVM的有条件优化公式：）

但是在使用SVM解决回归问题稍有不同，这个表示margin大小的量变成了一个超参数。这是因为当使用SVM解决回归问题的时候，我们希望这个margin范围内的点越多越好。那么显然margin无限大，就可以容纳所有的点，这也不是我们想要的结果，所以我们需要人为的约束margin的大小。此时，习惯上，愿意使用这个epsilon的值来表示margin的大小。因为更直观，计算也方便，很容易得到两条margin的边界和中间的那条分界线：）

你也可以理解成这是一个习惯。使用d肯定是可以的，但是通常，对于SVR问题，我们调节超参数来决定margin的大小，使用这个epsilon：）

scikit-learn本身也是这么设计的，可以参考scikit-learn中的SVR(SVM Regression)的参数文档：https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVR.html

如果对SVR更多的内部计算感兴趣，可以参考这篇论文：http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=35FA013DB49C20961D237097E1397BD0?doi=10.1.1.114.4288&rep=rep1&type=pdf

继续加油！：）

1

0