在高维特征空间中, 具有支持向量机形式的学习机的决策超平面倾向于通过原点, 并不需要偏置. 但在v- 支 持向量回归机(v-SVR) 中存在偏置, 为了研究偏置在v-SVR中的作用, 提出了无偏置的v-SVR优化问题并给出其 求解方法. 在标准数据集上的实验表明, 无偏置v-SVR的泛化性能好于v-SVR. 根据对偶优化问题的解空间分析, 偏 置b 不应包含在v-SVR优化问题中, v-SVR的决策超平面在高维特征空间中应通过原点.