SVM到SVR的理解
通常我们可以理解SVM，但是如何从SVM推广到SVR形式，就很难去从宏观上去理解。
那么首先我们需要理解这个最优化问题
下面这张图是对的，但是它理解SVR的思路有一点错误，我后面会讲。但是可以借助它来理解。
首先是指的是最大化间隔，具体表现就是，在SVR中间隔越大，越欠拟合（不能拟合样本点）。
后面是指的是把异常点都回归到正常，具体表现就是，在SVR中这个优化问题越小，越过拟合。
我们宏观上理解SVR的时候不能按照SVM的思路去理解。我们从后往前理解，即我们的目标是，但是为了防止过拟合，我们添加了正则化项，即
，因为这个控制模型复杂度，是让SVR欠拟合的。中间的正则化常数C用来权衡这两项的。
所以上面的SVR示意图是对的，他是为了让包括所有样本点的这个间隔最大。但是我们要注意，这个间隔不是任意大的（不是我们给的epsilon），我们要注意限定条件，样本要在epsilon带内的。但是按照优化公式从前往后理解是理解不通 的。