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挖掘深度学习机器学习算

原文链接：http://tecdat.cn/?p=24875 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：

准备数据
模型拟合和预测
准确性检查
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。

y = make(x) x = np.arrayplt.scatter plt.show()

文章图片

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。

svr 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。

plt.scatter plt.plot plt.legend plt.show

文章图片

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。

score print("R-squared:", score) print("MSE:", measquaederor)

文章图片

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。

文章图片

最受欢迎的见解
1.R语言多元Logistic逻辑回归应用案例
2.面板平滑转移回归(PSTR)分析案例实现分析案例实现")
3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）
4.R语言泊松Poisson回归模型分析案例
5.R语言回归中的Hosmer-Lemeshow拟合优度检验
6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现
7.在R语言中实现Logistic逻辑回归
8.python用线性回归预测股票价格
【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】9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标