関数近似

SVM を関数近似の問題に適用するには，関数近似に対応した損失関数を 定義する必要がある． 損失関数を $\max\{0, \vert y - f(x)\vert-\epsilon\}$ という $\epsilon$不感応関数で定義してやると，識別問題の場合と似たような 凸２次計画問題に帰着され，スパースなサポートベクタで関数を表現する形 に帰着できる． これは，従来のロバストな回帰手法と性能的には同等レベル にあると考えられているが，大域的な最適化ができるところと，基底関数 がスパースになるところが売りである．