SVM和SVR是基于同一原理和算法的,只是应用场景不同。SVM用于分类问题,SVR用于回归问题,但是它们都是基于最大边界间隔原理,利用核函数对高维空间进行非线性映射,将样本空间映射到一个更高维的特征空间,然后在特征空间内寻找最优分割超平面或回归超平面。因此,SVM和SVR有很多相似之处,包括对异常值敏感、对样本不平衡问题不友好等。但也有一些不同之处,例如SVM的目标函数是最大化边界间隔,而SVR的目标函数是最小化损失函数,同时SVM分类器的输出是对样本标签的二分类,而SVR的输出是对样本输出值的估计。