0
点赞
收藏
分享

微信扫一扫

拓端tecdat|Python支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例

盖码范 2022-11-06 阅读 88

 支持向量回归(SVR)是一种回归算法,它应用​​支持向量机​​(SVM)的类似技术进行回归分析。正如我们所知,回归数据包含连续的实数。为了拟合这种类型的数据,SVR模型在考虑到模型的复杂性和错误率的情况下,用一个叫做ε管(epsilon-tube,ε表示管子的宽度)的给定余量来接近最佳值。

在本教程中,我们将通过在 Python 中使用 SVR ,简要了解如何使用 SVR 方法拟合和预测回归数据。教程涵盖:

  1. 准备数据
  2. 模型拟合和预测
  3. 准确性检查
  4. 源代码

   我们将从在 Python 中加载所需的库开始。

import numpy as np

准备数据

我们将使用回归数据作为目标数据进行拟合。我们可以编写简单的函数来生成数据。


1.   
2. y = make(x)
3. x = np.array
4.
5. plt.scatter
6. plt.show()

拓端tecdat|Python支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例_拟合

模型拟合和预测

我们来定义模型。该模型可以与默认参数一起使用。我们将在 x 和 y 数据上拟合模型。

1.  svr
2. print(svr)

在这里,可以根据回归数据特征更改核、C 和 epsilon 参数。核识别算法中的核类型。可以使用“rbf”(默认内核)、“linear”、“poly”和“sigmoid”。

接下来,我们将使用 svr 模型预测 x 数据。

predict(x)

为了检查预测结果,我们将在图中可视化 y 和 yfit 数据。


1.  plt.scatter
2. plt.plot
3. plt.legend
4. plt.show

拓端tecdat|Python支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例_拟合_02

准确性检查

最后,我们将使用 R 平方和 MSE 指标检查模型和预测准确性。


1.  score
2. print("R-squared:", score)
3. print("MSE:", measquaederor)

拓端tecdat|Python支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例_数据_03

在本教程中,我们简要了解了如何使用 Python 中的 SVR 方法拟合回归数据。

拓端tecdat|Python支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例_数据_04

举报

相关推荐

0 条评论