【ML】SVMR
来源:互联网 发布:php项目源代码 编辑:程序博客网 时间:2024/06/11 18:57
关于Support Vector Machine Regression
的网站介绍。http://kernelsvm.tripod.com/
在文章http://blog.csdn.net/wiki_su/article/details/78432905中,我们预测出的结果是16K.
但是我们用SVR来看的话,16K的结果是不准确地。
import numpy as npimport matplotlib.pyplot as pltimport pandas as pd#import datasetdataset = pd.read_csv('Position_Salaries.csv')#生成一个二矩阵X = dataset.iloc[:,1:2].valuesy = dataset.iloc[:,2:3].values#数据规范化from sklearn.preprocessing import StandardScalersc_X = StandardScaler()sc_y = StandardScaler()X = sc_X.fit_transform(X)y = sc_y.fit_transform(y)#y = dataset.iloc[:,2:3].values 格式不兼容from sklearn.svm import SVRregressor = SVR(kernel = 'rbf')regressor.fit(X,y)#数组 转换y_pred = regressor.predict(6.5)y_pred = sc_y.inverse_transform(regressor.predict(sc_X.fit_transform(np.array([[6.5]])))) #数据可视化(多项) 分割x_grid = np.arange(min(X), max(X), 0.1)x_grid = x_grid.reshape(len(x_grid), 1)plt.scatter(X,y,color = 'red')plt.title = ('Truth or Bluff(Linear Regression)')plt.plot(X ,regressor.predict(X),color = 'blue')plt.xlabel = ('Position Level')plt.ylabel = ('Salary')plt.show()
我们来看下结果:
我们的最后的预测是13K。所以上文预测的16K是不正确的!
另外提一点:
使用SVR,我们对数据进行了规范化。
因为如果不规范化,我们得到的数据非常尴尬。
上图中,x轴,y轴差的太多了。所以看起来如此。
因为一条弧线,如果放大超级多倍,看起来就像一条直线。
所以我们进行数据规范化。
在这里可以很明显的看到数据规范化的作用!!
阅读全文
0 0
- 【ML】SVMR
- ml
- ML
- ML
- ML
- ML
- ML笔记
- ML book
- ML source
- ML简史
- ML note
- ML Manager
- ML Introduction
- ML Pipelines
- ML Algorithm
- ML 错题集
- ML实例
- ml-day03
- C# MVC 网站将http强制跳转到https
- 深入了解Android蓝牙Bluetooth——《基础篇》
- mysql innodb事务的隔离级别和锁的关系
- CAD文件怎样转换成PDF?CAD转换成文件的各种小窍门
- SpringBoot热部署
- 【ML】SVMR
- 有向无环图(DAG)的最小路径覆盖
- Eclipse :git解决同文件修改相同位置时导致的冲突。
- 深入了解Android蓝牙Bluetooth——《进阶篇》
- Python高级——正则表达式 re模块1.match方法
- Eclipse控制台NullPointException
- matlab神经网络
- java.lang.UnsupportedClassVersionError: org/hibernate/cfg/Configuration : Unsupported major.minor ve
- ADV-165超级玛丽