SVR忽略了我的数据集中的“异常值”，而没有捕获更“极端”的值

Question

我正在使用Scikit-learn的SVR来根据一些参数来模拟教授的收入。我的收入分散图和其中一个参数如下所示：

我只显示其中一个参数，因为我不知道如何绘制多维图，但这解释了模型结果的混乱情节。

基本上你看到的是SVR输出只覆盖中档到低档的薪水。对于我用于校准SVR的网格搜索的基本上所有组合都是如此。具体来说，我的网格参数是：

epsilon_svr = [0.01, 0.1, 0.5, 1]
C_svr = [1,3,5]

我的问题是我如何捕获那个上端，并显着改善我的模型，尤其是R ^ 2。我知道SVR倾向于用于异常值检测，并且它可能选择那些点作为异常值，但我如何改进模型拟合。似乎详尽的网格搜索我的7个参数可能不足以完全捕获我的模型？