原文链接：http://tecdat.cn/?p=24875

反对向量回归（SVR）是一种回归算法，它利用反对向量机（SVM）的相似技术进行回归剖析。正如咱们所知，回归数据蕴含间断的实数。为了拟合这种类型的数据，SVR模型在思考到模型的复杂性和错误率的状况下，用一个叫做管（epsilon-tube，示意管子的宽度）的给定余量来靠近最佳值。

在本教程中，咱们将通过在 Python 中应用 SVR ，简要理解如何应用 SVR 办法拟合和预测回归数据。教程涵盖：

咱们将从在 Python 中加载所需的库开始。

import numpy as np

筹备数据

咱们将应用回归数据作为指标数据进行拟合。咱们能够编写简略的函数来生成数据。

y = make(x)x = np.arrayplt.scatterplt.show()

咱们来定义模型。该模型能够与默认参数一起应用。咱们将在 x 和 y 数据上拟合模型。

svr print(svr)

在这里，能够依据回归数据特色更改核、C 和 epsilon 参数。核辨认算法中的核类型。能够应用“rbf”（默认内核）、“linear”、“poly”和“sigmoid”。

接下来，咱们将应用 svr 模型预测 x 数据。

predict(x)

为了查看预测后果，咱们将在图中可视化 y 和 yfit 数据。

plt.scatterplt.plotplt.legendplt.show

最初，咱们将应用 R 平方和 MSE 指标查看模型和预测准确性。

scoreprint("R-squared:", score)print("MSE:", measquaederor)

在本教程中，咱们简要理解了如何应用 Python 中的 SVR 办法拟合回归数据。

最受欢迎的见解

1.R语言多元Logistic逻辑回归利用案例

2.面板平滑转移回归(PSTR)剖析案例实现剖析案例实现")

3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）

4.R语言泊松Poisson回归模型剖析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度测验

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存剖析与Cox回归中计算IDI，NRI指标