首页 文章

使用支持向量回归的预测

提问于
浏览 次
0

在我的问题中有四个特征（X）; a,b,c,d 和两个家属（Y）; e,f . 我有一个数据集，其中包含所有这些变量的一组值 . 如果给出新的 a,b,c,d 值，如何通过使用scikit learn in python中的支持向量回归来预测 e,f 变量？

我是ML的新手，我非常感谢一些指导，因为我发现很难按照SVR上的scikit学习文档 .

到目前为止，这是我在sklearn文档中的一个示例的帮助 .

train = pd.read_csv('/Desktop/test.csv')
X = train.iloc[:, 4]
y = train.iloc[:, 4:5]

svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.1)
y_rbf = svr_rbf.fit(X, y).predict(X)

lw = 2
plt.scatter(X, y, color='darkorange', label='data')
plt.plot(X, y_rbf, color='navy', lw=lw, label='RBF model')
plt.xlabel('data')
plt.ylabel('target')
plt.title('Support Vector Regression')
plt.legend()
plt.show()

这给出了错误，

ValueError：预期的2D数组，改为获得1D数组::如果数据具有单个特征，则使用array.reshape（-1,1）重塑数据;如果包含单个样本，则使用array.reshape（1，-1）重塑数据 .

python machine-learning scikit-learn svm prediction

2 回答

  • 2

    我假设你的目标变量需要在这里独立预测，所以如果我错了，请纠正我 . 我稍微修改了sklearn doc示例来说明您需要做什么 . 在执行回归之前，请考虑扩展数据 .

    import numpy as np
from sklearn import svm
import matplotlib.pyplot as plt

n_samples, n_features = 10, 4 # your four features a,b,c,d are the n_features
np.random.seed(0)
y_e = np.random.randn(n_samples)
y_f = np.random.randn(n_samples)

# your input array should be formatted like this.
X = np.random.randn(n_samples, n_features)

#dummy parameters - use grid search etc to find best params
svr_rbf = svm.SVR(kernel='rbf', C=1e3, gamma=0.1)
# Fit and predict for one target, do the same for the other
y_pred_e = svr_rbf.fit(X, y_e).predict(X)
    回复于
  • 0

    假设您的数据文件有6列，并且功能值在前4列中，并且目标（您称之为'dependents'）在最后2列中，那么我认为您需要这样做：

    train = pd.read_csv('/Desktop/test.csv')
X = train.iloc[:, 0:3]
y = train.iloc[:, 4:5]
    回复于

相关问题