最小二乘回归是否比最小二乘支持向量机更加高效而简洁？

在模型结构确定的情况下，优先使用最小二乘。当结构不知道时，如果盲目用高阶多项式拟合，容易产生过拟合，且阶数越高，模型的系数越多，即使正则化缓解过拟合也存在优化困难问题。最小二乘支持向量回归，直接采用无限维度的多项式拟合，通过核函数将无穷的参数转换为较少的超参数，同时正则化避免了过拟合。因比，模型结构不知道，数据较为充分时可以考虑最小二乘支持向量回归，个人也处理了大数据量时的LSSVR，计算非常的快，不再受到数据样本数量的影响了。