ε 管道回归
支持向量机(SVR)回归
在核映射后的空间里铺一条宽度为 2ε 的管道，管内的小残差不进损失，只有贴壁或穿出管道的点成为支持向量。
这篇能回答什么
支持向量回归（SVR）要回答的是：能不能在标准化后的面积–楼层空间里铺一条 ε 管道，让大多数房源的总价落在管里，只让管壁外的点拉曲面。线性回归（OLS）用平方损失惩罚每一个残差，杠杆点会把整条直线拽歪；SVR 的 ε-不敏感损失在 |r|≤ε 时为零，管内点即使删掉，对偶系数也可以不变。预测是连续万元数，不是档位，也不是叶均值。
教学表把残差相对管道的位置印成类别 A/B/C：A 是残差大于 +ε 的上侧穿出，B 是小于 −ε 的下侧穿出，C 是落在管内。完整个案 345。上侧 85 条（24.64%），下侧 52 条（15.07%），管内 208 条（60.29%）。C 过六成说明默认 ε 已经「吞」掉多数小误差；A 比 B 厚，管道上方的高价段更常穿出——读拟合时要连同两侧人数一起写，不能把 60.29% 写成命中率。
什么时候不该用
论文必须报告「面积每增 1 平米，总价平均变化 B 万元」以及标准误、VIF 时，OLS 仍是对的工具；SVR 的 w 在 RBF 核下没有原空间单位。Y 是户型档时改支持向量机分类，那里最大化的是类别间隔，不是 ε 管道。行数上万且只要便宜基线时，ExtraTrees回归或提升树更合适——核矩阵随 N² 涨。只要邻居平均、不要管道，用K近邻回归。
如何选择方法
管道、邻居、矩形叶是三条不同的连续几何。SVR 最小化 \|w\| 同时惩罚穿出 ε 管的松弛；KNN 不估计 w；树用 MSE 切缝。线性核等于在原空间铺一条平的管，RBF 核把点抬到无限维再铺弯管。默认 RBF 适合「单价与面积交织、总价不是一张纸能铺住」的住房表；若方案只要一条可写出的线性规则，应显式改线性核，而不是看完 RBF 管内人数再声称「模型是线性的」。
SVR：定量 Y + 定量特征；ε 管道 + 核；输出管内/管外人数与 RMSE。
OLS：平方损失、每个残差都进损失；有 B、标准误与 VIF。
K近邻回归：同样要标准化，但判决是 K 个邻居的平均，没有 ε。
梯度下降线性回归：大样本可加线性，无核、无管道。
输入、输出与限制
输入
因变量必须是定量。特征为定量列，预测前做 Z-score。ε、惩罚 C 与核是超参数，不是数据列。城市、区域没有内积，不要塞进来。
因变量：正好 1 个定量列（本例总价(万元)）。
特征：最少 2 个，最多 40 个定量。本练习用面积(平米)、楼层、总楼层、建筑年份。
输出
结果表按管道位置分成 A / B / C：上侧 85、下侧 52、管内 208，合计 345。管内点不是「预测对了」，只是 |残差|≤ε。另给出拟合/残差图。默认 RBF、C=1、ε 按标准化 Y 的尺度选取。
产品限制
有效行少于 20 时拒绝拟合。
核矩阵上限约 3500 行，超过则先下采样。
默认 RBF，γ=1/p；线性核须显式改。
特征一律标准化；Y 的 ε 在标准化尺度上解释。
房源 ID、小区名称、高基数定类拒绝进入核。
案例
研究问题。 综合评价表怀疑面积与楼层把总价拧成弯面，又不想让每一套普通房源的小误差都去拽曲面。研究者要一条 ε 管道：管内的点可以忽略，只报告有多少套房从上方或下方穿出，以及穿出是否集中在高价段。
工作表「Sheet1」。完整个案 345。管道位置：上侧 A 85（24.64%）、下侧 B 52（15.07%）、管内 C 208（60.29%）。两侧不对称（85 对 52）提示高价段更容易顶破管壁。下载后：Y 勾总价(万元)，特征勾面积、楼层、总楼层、建筑年份；不要勾城市或房源 ID。
在 StatsX 中操作
步骤 1 · 导入中等规模房源表
Sheet1 行数应远低于核矩阵上限。上万行应先抽样或改树方法，不要硬跑 RBF。
步骤 2 · 检查特征已能量纲对齐
面积与楼层量纲差两个数量级，产品会做 Z-score。对 SPSS 或 sklearn 时必须同样标准化，否则 ε 的「管内」含义会变。
步骤 3 · 选支持向量机回归
目录同时有支持向量机分类。Y 是总价时必须点回归：分类最大化的是档位间隔，输出会变成标签而不是万元。
步骤 4 · 指定管道与核，Y 为总价
因变量：总价(万元)。特征：面积、楼层、总楼层、建筑年份。保持默认 RBF 与 C=1，先数管内套数，再决定是否改 ε。
步骤 5 · 先数管内套数再谈拟合
合计应对上 345。C 若仍是 208 条，加大 ε 会让更多点「免费」进管，训练损失变好看，曲面却更钝。
如何阅读输出
下表按 ε 管道切开残差，不是房屋类型频数。合计 N=345。上侧 A 85（24.64%）穿出管顶，下侧 B 52（15.07%）穿出管底，管内 C 208（60.29%）。C 的 60.29% 表示这些点的 |r|≤ε，损失为零，它们通常不是支持向量。预测值是核展开给出的连续均值，单位万元。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| 支持向量机(SVR)回归 | 类别 A | 频数 | 85 |
| 支持向量机(SVR)回归 | 类别 B | 频数 | 52 |
| 支持向量机(SVR)回归 | 类别 C | 频数 | 208 |
| 支持向量机(SVR)回归 | 合计 | 有效样本 N | 345 |
| 支持向量机(SVR)回归 | 类别 A | 占比(%) | 24.64 |
| 支持向量机(SVR)回归 | 类别 B | 占比(%) | 15.07 |
| 支持向量机(SVR)回归 | 类别 C | 占比(%) | 60.29 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
阅读顺序：N 是否低于核上限 → 管内人数（本例 C=208）→ 两侧是否对称（本例 85 对 52）→ 测试 RMSE → 高价段是否集中在 A 侧。不要把 A/B/C 写成「三类客户」。本页没有 OLS 那种整体 F，也不能把支持向量个数写成「显著变量数」。
把 ε 加大，C 层几乎总能更肥，训练的 ε-损失下降，曲面变钝。把 C（惩罚）加大，穿出点被罚得更重，管道会更贴训练总价，支持向量增多，过拟合风险上升。本页数字只对默认 RBF、C=1 与产品 ε 成立。换线性核，管内人数可以差出一整层，方法节必须写核名。w 在 RBF 下没有「每平米多少万元」，要单位斜率回 OLS。
理论与公式
ε-不敏感损失在管道内为零，只惩罚穿出的部分。这与 OLS 的平方损失逐点惩罚不同：
原问题在特征映射 φ 下求解，松弛变量 ξ、ξ* 分别对应上侧与下侧穿出：
对偶只出现内积，RBF 核把它换成 K(x,x')=\exp(-\gamma\|x-x'\|^2)。落在管内且未贴壁的点 α_i=α_i^*=0，删掉它们曲面不变。本例 n=345，管内 208、上侧 85、下侧 52。分类 SVM 用铰链损失最大化类别间隔，没有 ε——那是另一页。OLS 的残差平方和没有「免费区间」，每一个点都拉直线。
注意事项
管内 208 条 ≠ 预测对了，只表示 |残差|≤ε。
两侧 85 对 52 不对称时，先看高价段，不要先怪核。
ε 与 C 必须事先写进方案；看完分层再调属于窥探。
RBF 下没有带单位的 B，不能冒充 OLS 系数表。
核矩阵限制约 3500 行，是实现闸，不是「SVR 不能用于大样本」的理论结论。
线性核与 RBF 的管内人数可以差出一层，方法节必须写核名。
常见问题
参考文献
Drucker, H., Burges, C. J. C., Kaufman, L., Smola, A., & Vapnik, V. Support vector regression machines[C]//NIPS. 1997.
Smola, A. J., & Schölkopf, B. A tutorial on support vector regression[J]. Statistics and Computing, 2004, 14: 199–222.
Vapnik, V. The Nature of Statistical Learning Theory. Springer.