python - 如何在Python sklearn中修复SVR图

我正在尝试将SVR模型拟合到我的数据集，并在Python中使用Sklearn查看图。

from sklearn.svm import SVR
#Load Data
X_train_Occ = pd.DataFrame(X_train['occupancy'])
Y_train_Occ = Y_train
#Rescale
sc_X = StandardScaler()
sc_Y = StandardScaler()
X_train_Occ_scaled = sc_X.fit_transform(X_train_Occ)
Y_train_Occ_scaled = sc_Y.fit_transform(Y_train_Occ.reshape(-1, 1))

regressor = SVR(kernel ='rbf')
regressor.fit(X_train_Occ_scaled, Y_train_Occ_scaled)

我将数据加载到X和Y数据框中并对其进行缩放。
参见下图：



然后，我得到以下输出：

SVR(C=1.0, cache_size=200, coef0=0.0, degree=3, epsilon=0.1, gamma='auto', kernel='rbf', max_iter=-1, shrinking=True, tol=0.001, verbose=False)

然后，我尝试使用此方法显示回归结果：

plt.scatter(X_train_Occ_scaled, Y_train_Occ_scaled, color = 'red')
plt.plot(X_train_Occ_scaled, regressor.predict(X_train_Occ_scaled), color = 'blue')
plt.title('Occupancy vs Flow (SVR)')
plt.xlabel('Occupancy')
plt.ylabel('Flow')
plt.show()

给出以下图：



该模型是否适合数据？还是代码有问题？

我正在从这里关注代码：
http://scikit-learn.org/stable/auto_examples/svm/plot_svm_regression.html

我试图绘制与模型最合适的线，而不是从每个点开始画一条线。

最佳答案

如先前的回答，解决方案是先按自变量对数据进行排序，然后将数据拟合到模型并预测结果。