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|附代码数据
2023-06-13 09:18:39 时间
原文链接:http://tecdat.cn/?p=24875
最近我们被客户要求撰写关于支持向量回归SVR的研究报告,包括一些图形和统计输出。
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.array
plt.scatter
plt.show()
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
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)
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。
本文摘选 《 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 》
相关文章
- k means聚类算法实例数据_Kmeans聚类算法详解
- 数据分享|PYTHON用决策树分类预测糖尿病和可视化实例|附代码数据
- SQL Server数据库删除数据集中重复数据实例讲解
- Hadoop(十五)MapReduce程序实例详解大数据
- SequenceFile实例操作详解大数据
- Redis应用实例——让您快速提升数据存储和查询效率(redis应用实例)
- Redis技巧:25个实例应用,优化你的数据存储与流程处理(redis实例应用)
- JS技术连接Oracle数据库实现数据交互(js连接oracle实例)
- MySQL实例三表内连接案例(mysql三表内连接例子)
- 避免Redis实例间数据冲突,保证高效运行(保证多个redis不冲突)
- Oracle数据库1亿数据精简式清理实例(oracle1亿数据清理)
- 一个自动居中的导航条实例与相关问题DIV+CSS
- asp快速开发方法之数据操作实例代码
- JqueryAjax学习实例5向WebService发出请求,返回泛型集合数据的异步调用
- androidListView内数据的动态添加与删除实例代码
- 在Android系统中使用gzip进行数据传递实例代码
- JQuery获取json数据$.getJSON方法的实例代码
- php获取新浪微博数据API实例
- jQuery处理xml格式的返回数据(实例解析)
- ASP.NETTreeView读取数据库实例
- Dwz与thinkphp整合下的数据导出到Excel实例
- ThinkPHP实现批量删除数据的代码实例
- Delphi实现图像文本旋转特效完整实例代码
- ThinkPHP使用PHPExcel实现Excel数据导入导出完整实例
- js实现的类似于asp数据字典的数据类型代码实例
- C#利用Openxml读取Excel数据实例