原文鏈接：http://tecdat.cn/?p=24875?

原文出處：拓端數(shù)據(jù)部落公眾號

?支持向量回歸（SVR）是一種回歸算法，它應用支持向量機（SVM）的類似技術進行回歸分析。正如我們所知，回歸數(shù)據(jù)包含連續(xù)的實數(shù)。為了擬合這種類型的數(shù)據(jù)，SVR模型在考慮到模型的復雜性和錯誤率的情況下，用一個叫做ε管（epsilon-tube，ε表示管子的寬度）的給定余量來接近最佳值。

在本教程中，我們將通過在 Python 中使用 SVR ，簡要了解如何使用 SVR 方法擬合和預測回歸數(shù)據(jù)。教程涵蓋：

1. 準備數(shù)據(jù)

2. 模型擬合和預測

3. 準確性檢查

4. 源代碼

?? 我們將從在 Python 中加載所需的庫開始。

import numpy as np

準備數(shù)據(jù)

我們將使用回歸數(shù)據(jù)作為目標數(shù)據(jù)進行擬合。我們可以編寫簡單的函數(shù)來生成數(shù)據(jù)。

1. 


2. y = make(x)

3. x = np.array

4. 


5. plt.scatter

6. plt.show()

模型擬合和預測

我們來定義模型。該模型可以與默認參數(shù)一起使用。我們將在 x 和 y 數(shù)據(jù)上擬合模型。

1. svr

2. print(svr)

在這里，可以根據(jù)回歸數(shù)據(jù)特征更改核、C 和 epsilon 參數(shù)。核識別算法中的核類型?？梢允褂谩皉bf”（默認內(nèi)核）、“l(fā)inear”、“poly”和“sigmoid”。

接下來，我們將使用 svr 模型預測 x 數(shù)據(jù)。

predict(x)

為了檢查預測結果，我們將在圖中可視化 y 和 yfit 數(shù)據(jù)。

1. plt.scatter

2. plt.plot

3. plt.legend

4. plt.show

準確性檢查

最后，我們將使用 R 平方和 MSE 指標檢查模型和預測準確性。

1. score

2. print("R-squared:", score)

3. print("MSE:", measquaederor)

在本教程中，我們簡要了解了如何使用 Python 中的 SVR 方法擬合回歸數(shù)據(jù)。

最受歡迎的見解

1.R語言多元Logistic邏輯回歸 應用案例

2.面板平滑轉(zhuǎn)移回歸(PSTR)分析案例實現(xiàn)

3.matlab中的偏最小二乘回歸（PLSR）和主成分回歸（PCR）

4.R語言泊松Poisson回歸模型分析案例

5.R語言回歸中的Hosmer-Lemeshow擬合優(yōu)度檢驗

6.r語言中對LASSO回歸，Ridge嶺回歸和Elastic Net模型實現(xiàn)

7.在R語言中實現(xiàn)Logistic邏輯回歸

8.python用線性回歸預測股票價格

9.R語言如何在生存分析與Cox回歸中計算IDI，NRI指標