支持向量回归问题。 在支持向量回归中，最后的决定系数alpha等于0，表示不是支持向量，在epsil

Question

支持向量回归问题。 在支持向量回归中，最后的决定系数alpha等于0，表示不是支持向量，在epsilon带内。大于0小于C表示在epsilon带上，大于C表示在带外。但是我做的过程中发展，会有微小差别，比如alpha等于0应该在带内，但是他在带外，虽然不明显，差的特别小，但是我想问一下这个的原因是什么？内外网都搜索了没有相关回答

Answer 1

以下回答参考 皆我百晓生、券券喵儿 等免费微信小程序相关内容作答，并由本人整理回复。

在支持向量回归（SVR）中，"最终的决定系数 alpha 等于 0 表示不是支持向量" 这个说法是错误的。实际上，SVR 是一个泛化模型，它允许参数 α 来调节支持向量的位置和强度。

在 SVR 中，α 是一个正实数，其值决定了支持向量的距离和宽度。当 α = 1 时，所有的样本点都会被当作支持向量，并且它们之间的距离将是整个数据集的最大距离。而 α 取任何非零值时，只有那些与当前预测值最接近的支持向量会被选为支持向量。

如果 α 的值非常大，那么支持向量将远离原始数据集，这可能意味着数据点之间有较大的距离，或者某些点可能无法被识别为支持向量。相反，如果 α 很小，则支持向量可能会过于靠近原始数据点，从而导致过拟合。

因此，当你发现 α 等于 0 或接近 0 时，这意味着支持向量相对于原始数据点很近或没有，这可能是由于训练数据质量较差、特征选择不当或其他原因造成的。为了改善这种情况，你可以尝试调整 α 值以找到最佳的支持向量位置。