本文形容了训练反对向量回归模型的过程，该模型用于预测基于几个天气变量、一天中的某个小时、以及这一天是周末/假日/在家工作日还是一般工作日的用电量。

对于反对向量机的疾速阐明

反对向量机是机器学习的一种模式，可用于分类或回归。尽可能简略地说，反对向量机找到了划分两组数据的最佳直线或立体，或者在回归的状况下，找到了在容差范畴内形容趋势的最佳门路。

对于分类，该算法最大限度地缩小了对数据进行谬误分类的危险。

对于回归，该算法使回归模型在某个可承受的容差范畴内没有取得的数据点的危险最小化。

导入一些包和数据

import pandas as pd # 对于数据分析，特地是工夫序列import numpy as np # 矩阵和线性代数的货色，相似MATLABfrom matplotlib import pyplot as plt # 绘图

Scikit-learn是Python中的大型机器学习包之一。

from sklearn import svmfrom sklearn import cross_validationfrom sklearn import preprocessing as pre

在此随机插入更好的数据可视化。

# 设置色彩graylight = '#d4d4d2'gray = '#737373'red = '#ff3700'

我在这个模型中应用的数据是通过公寓中装置的智能电表中取得的。

USAGE "字段给出了该小时内的用电度数。

elec.head(3)

Out[5]:

天气数据提取。

weather.head()

预处理

合并电力和天气

首先，咱们须要将电力数据和天气数据合并到一个数据框中，并去除无关的信息。

# 合并成一个Pandas数据框架 pd.merge(weather, elec,True, True)# 从数据框架中删除不必要的字段del elec\['tempm'\], elec\['cost'\]# 将风速转换为单位 elec\['wspdm'\] * 0.62elec.head()

fig = plt.figure(figsize=\[14,8\])elecweather\['USAGE'\].plot

我想将典型的工作日与周末、假日和在家工作的日子辨别开来。所以当初所有的失常工作日都是0，所有的假期、周末和在家工作的日子都是1。

分类变量：素日与周末/假期/在家工作日

## 将周末和节假日设置为1，否则为0elecwea\['Day'\] = np.zeros# 周末elecwea\['Atypical_Day'\]\[（elecwea.index.dawe==5）|（elecwea.index.dawe==6）\] = 1# 假期，在家工作日假期 = \['2014-01-01','2014-01-20'\]workhome = \['2014-01-21','2014-02-13','2014-03-03','2014-04-04'\]for i in range(len(holiday)):    elecwea\['Day'\]\[elecwea.index.date==np.datetime64(holidays\[i\])\] = 1for i in range(len(workhome)):    elecwea\['Day'\]\[elecwea.index.date==np.datetime64(workhome\[i\]) \] = 1 elecwea.head(3)

更多的分类变量：一周中的一天，小时

在这种状况下，一天中的每个小时是一个分类变量，而不是连续变量。做剖析时，须要对一天中的每一个小时进行 "是 "或 "否 "的对应。

# 为一天中的每个小时创立新的列，如果index.hour是该列对应的小时，则调配1，否则调配0for i in range(0,24):    elecweat\[i\] = np.zeros(len(elecweat\['USAGE'))    elecweat\[i\]\[elecweat.index.hour==i\] = 1    # 例子 3amelecweat\[3\]\[:6\]

工夫序列：须要附加上以前的用电需要的历史窗口

因为这是一个工夫序列，如果咱们想预测下一小时的能耗，训练数据中任何给定的X向量/Y指标对都应该提供以后小时的用电量（Y值，或指标）与前一小时（或过来多少小时）的天气数据和用量（X向量）。

# 在每个X向量中退出历史用量# 设置预测的提前小时数hours = 1# 设置历史应用小时数hourswin = 12for k in range(hours,hours+hourswin):        elec\_weat\['USAGE-%i'% k\] = np.zero(len(elec\_weat\['USAGE'\])        for i in range(hours+hourswi,len(elecweat\['USAGE'\])）。)        for j in range(hours,hours+hourswin):                elec\_weat\['USAGE-%i'% j\]\[i\] = elec\_weat\['USAGE\]i-j\] 。        elec_weat.head(3)

分成训练期和测试期

因为这是工夫序列数据，定义训练期和测试期更有意义，而不是随机的零星数据点。如果它不是一个工夫序列，咱们能够抉择一个随机的样本来拆散出一个测试集。

# 定义训练和测试期train_start = '18-jan-2014'（训练开始）。train_end = '24-march-2014'.test_start = '25-march-2014'（测试开始）。test_end = '31-march-2014'。

# 分成训练集和测试集（仍在Pandas数据帧中）。xtrain = elec\_and\_weather\[train\_start:train\_end\]。del xtrain\['US'\]del xtrain\['time_end'\]ytrain = elec\_and\_weather\['US'\]\[train\_start:train\_end\] 。

将训练集输入成csv，看得更分明。

X\_train\_df.to\_csv('training\_set.csv')

scikit-learn包接管的是Numpy数组，而不是Pandas DataFrames，所以咱们须要进行转换。

# 用于sklearn的Numpy数组X\_train = np.array(X\_train_df)

标准化变量

所有的变量都须要进行标准化。该算法不晓得每个变量的尺度是什么。换句话说，温度一栏中的73的值看起来会比前一小时的千瓦时使用量中的0.3占优势，因为理论值是如此不同。sklearn的预处理模块中的StandardScaler()将每个变量的平均值去除，并将其标准化为单位方差。当模型在按比例的数据上进行训练时，模型就会决定哪些变量更有影响力，而不是由任意的比例/数量级来事后决定这种影响力。

训练SVR模型

将模型拟合训练数据!

SVR\_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(X\_train\_scaled,y\_train)print 'Testing R^2 =', round(SVR\_model.score(X\_test\_scaled,y\_test),3)

预测和测试

计算下一小时的预测（预测！）咱们预留了一个测试数据集，所以咱们将应用所有的输出变量（适当的缩放）来预测 "Y "目标值（下一小时的使用率）。

# 应用SVR模型来计算预测的下一小时使用量 SVRpredict(X\_test\_scaled)# 把它放在Pandas数据框架中，以便于应用DataFrame(predict_y)

绘制测试期间的理论和预测电力需要的工夫序列。

# 绘制预测值和理论值plt.plot(index,y\_test\_df,color='k')plt.plot(predictindex,predict_y)

从新取样的后果为每日千瓦时

### 绘制测试期间的每日总千瓦时图y\_test\_barplotax.set_ylabel('每日总用电量（千瓦时）')# Pandas/Matplotlib的条形图将x轴转换为浮点，所以须要找回数据工夫ax.set_xticklabels(\[dt.strftime('%b %d') for dt in

误差测量

以下是一些精度测量。

len(y\_test\_df)

均方根误差

这实际上是模型的标准误差，其单位与预测变量（或这里的千瓦时）的单位雷同。

calcRMSE(predict\_y, y\_test_df)

均匀相对百分比误差

用这种办法，计算每个预测值和理论值之间的相对百分比误差，并取其平均值；计量单位是百分比。如果不取绝对值，而模型中又没有什么偏差，你最终会失去靠近零的后果，这个办法就没有价值了。

errorsMAPE(predict\_y, y\_test_df)

均匀偏置误差

平均偏差误差显示了模型的高估或低估状况。初始SVM模型的平均偏差误差为-0.02，这表明该模型没有系统地高估或低估每小时的千瓦时耗费。

calcMBE(predict\_y, y\_test_df)

变异系数

这与RMSE相似，只是它被归一化为平均值。它表明绝对于平均值有多大的变动。

plot45 = plt.plot(\[0,2\],\[0,2\],'k')