基于svm实现用电量预测的代码

以下是基于SVM实现用电量预测的代码示例，供参考：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVR
from sklearn.metrics import mean_squared_error

# 读取数据
df = pd.read_csv('electricity.csv')

# 特征选择，这里以温度和时间作为特征
X = df[['temperature', 'time']]
y = df['electricity']

# 数据集切分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 模型训练
svr = SVR(kernel='rbf', C=100, gamma=0.1, epsilon=.1)
svr.fit(X_train, y_train)

# 模型预测
y_pred = svr.predict(X_test)

# 模型评估
mse = mean_squared_error(y_test, y_pred)
print('Mean Squared Error:', mse)

其中，`electricity.csv`是包含用电量、温度和时间的数据文件，可以根据实际情况进行修改。在本例中，我们选择了温度和时间作为输入特征，使用SVR进行模型训练和预测，并使用均方误差（MSE）作为模型评估指标。