参考 6.2.2 Kernel Ridge Regression, An Introduction to Support Vector Machines and other Kernel-based Learning Methods, Nello Cristianini 和 John Shawe-Taylor 参考 7.3.2 Kernel Methods for Pattern Analysis, John Shawe-Taylor University of Southampton, Nello Cristianini 加州大学戴维斯分校核岭回归 (KRR) 将岭回归(线性最小二乘与 l2 范数正则化)与核技巧相结合。 因此,它学习了由相应内核和数据引起的空间中的线性函数。 对于非线性内核,这对应于原始空间中的非线性函数。 Kernel Ridge 学习的模型形式与支持向量回归(SVR