Qual é a principal diferença entre um svm e svr?

Eu acho que por SVM você quer dizer SVM (Support Vector Machine) para classificação e por SVR você quer dizer SVM para regressão.

A principal diferença está nas variáveis ​​de folga usadas nas 2 técnicas. O SVM para classificação envolve a atribuição de uma variável de folga para cada ponto de dados de treinamento, enquanto no SVM para regressão, existem duas variáveis ​​de folga para cada ponto de dados de treinamento.

A função de otimização do SVM para classificação é fornecida por

e a função de otimização para SVM para regressão é dada por

A figura mostra a demonstração da variável slack usada no SVM para classificação.

A figura mostra a demonstração da variável slack usada no SVM para regressão.

Crédito da imagem: 'Reconhecimento de padrões e aprendizado de máquina' de C.Bishop.

SVM, que significa Support Vector Machine, é um classificador. Os classificadores realizam a classificação, prevendo rótulos categóricos discretos. SVR, que significa Support Vector Regressor, é um regressor. Regressores realizam regressão, prevendo variáveis ​​ordenadas contínuas. Ambos usam algoritmos muito semelhantes, mas prevêem diferentes tipos de variáveis.