python - 用于SVR回归的Scikit Learn软件包的问题

我正在尝试使用Scikit Learn Package来拟合SVM回归模型，但是它无法正常运行。

您能帮我找到错误吗？我想使用的代码是：

from sklearn.svm import SVR
import numpy as np


X = []
x = np.arange(0, 20)
y = [3, 4, 8, 4, 6, 9, 8, 12, 15, 26, 35, 40, 45, 54, 49, 59, 60, 62, 63, 68]
X.append(x)

clf = SVR(verbose=1)
clf.fit(np.transpose(X), y)

print("Expecting Result:")
print(y)
print("Predicted Result:")
print(clf.predict(np.transpose(X)))

我的输出是：

[LibSVM]*
optimization finished, #iter = 10
obj = -421.488272, rho = -30.500000
nSV = 20, nBSV = 20
Expecting Result:
[3, 4, 8, 4, 6, 9, 8, 12, 15, 26, 35, 40, 45, 54, 49, 59, 60, 62, 63, 68]
Predicted Result:
[ 29.1136814   28.74580196  28.72748632  28.72736291  28.7273628
  28.7273628   28.72736302  28.72760984  28.76424112  29.5         31.5
  32.23575888  32.27239016  32.27263698  32.2726372   32.2726372
  32.27263709  32.27251368  32.25419804  31.8863186 ]

我们可以看到预测结果与训练数据相差甚远。
如何改善拟合度？

谢谢

大卫

最佳答案

这是一种极端情况，其中RBF（scikit-learn上的SVM的默认设置）内核不能很好地工作。

将SVR线更改为此：
clf = SVR(verbose=1, kernel='linear')，您将看到更加合理的结果。

[LibSVM]Expecting Result:[3, 4, 8, 4, 6, 9, 8, 12, 15, 26, 35, 40, 45, 54, 49, 59, 60, 62, 63, 68]Predicted Result:[ -6.9 -2.9 1.1 5.1 9.1 13.1 17.1 21.1 25.1 29.1 33.1 37.1 41.1 45.1 49.1 53.1 57.1 61.1 65.1 69.1]

我了解您只是在尝试了解SVM的工作方式。请参阅this博客文章，了解RBF内核如何工作。

关于python - 用于SVR回归的Scikit Learn软件包的问题，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/36990288/