有人可以帮助我理解支持向量回归技术和其他简单回归模型之间的主要区别是什么
支持向量回归找到一个线性函数，表示误差范围 (epsilon) 内的数据。也就是说，大多数点都可以在该边距内找到，如下图所示

这意味着 SVR 比大多数其他回归方法对异常值更稳健，因为它不太关心边际之外的数据

关于machine-learning - SVR与其他简单回归模型的区别，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54604924/ .

参考链接

[1] machine-learning - SVR与其他简单回归模型的区别 时间不详；
[2] 参考链接；