SVR 處理回歸問題

from sklearn.svm import SVR import numpy as np import matplotlib.pyplot as plt x = np.linspace(0.000000001,3,50) y = 3 *x +6 + np.random.randn(50) plt.scatter(x,y) x1 = x.reshape(-1,1) y1 = y.reshape(-1,1) svr_linear = SVR(kernel='linear', C=100) svr_linear.fit(x1, y1) x_pred = np.linspace(0,4,50).reshape(-1,1) y_pred = svr_linear.predict(x_pred) plt.plot(x_pred,y_pred) plt.show()

svr主要的核函數(shù)

• Polynomial Kernel 多項式核
• RBF Kernel 高斯核
• 'Linear Kernel 線性核

探究不同的核函數(shù)處理的不同場景，先上代碼

import numpy as np from sklearn import svm import matplotlib.pyplot as pltif __name__ == "__ma

總結(jié)

以上是生活随笔為你收集整理的SVM支持向量机(下）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。