拓端tecdat|Python支援向量回歸SVR拟合、預測回歸資料和可視化準确性檢查執行個體

 支援向量回歸（SVR）是一種回歸算法，它應用​​支援向量機​​（SVM）的類似技術進行回歸分析。正如我們所知，回歸資料包含連續的實數。為了拟合這種類型的資料，SVR模型在考慮到模型的複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）的給定餘量來接近最佳值。

在本教程中，我們将通過在 Python 中使用 SVR ，簡要了解如何使用 SVR 方法拟合和預測回歸資料。教程涵蓋：

1. 準備資料
2. 模型拟合和預測
3. 準确性檢查
4. 源代碼

   我們将從在 Python 中加載所需的庫開始。

import numpy as np      

準備資料

我們将使用回歸資料作為目标資料進行拟合。我們可以編寫簡單的函數來生成資料。

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

模型拟合和預測

我們來定義模型。該模型可以與預設參數一起使用。我們将在 x 和 y 資料上拟合模型。

1.  svr
2.  print(svr)      

在這裡，可以根據回歸資料特征更改核、C 和 epsilon 參數。核識别算法中的核類型。可以使用“rbf”（預設核心）、“linear”、“poly”和“sigmoid”。

接下來，我們将使用 svr 模型預測 x 資料。

predict(x)      

為了檢查預測結果，我們将在圖中可視化 y 和 yfit 資料。

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

準确性檢查

最後，我們将使用 R 平方和 MSE 名額檢查模型和預測準确性。

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