r语言多元svr回归预测模型

在R语言中，可以使用`e1071`包中的`svm()`函数来实现支持向量机回归模型的建立。下面是一个简单的多元SVR回归预测模型的示例：

library(e1071)

# 读取数据
data <- read.csv("data.csv")

# 划分训练集和测试集
train_index <- sample(1:nrow(data), round(nrow(data)*0.7))
train_set <- data[train_index, ]
test_set <- data[-train_index, ]

# 建立SVR模型
model <- svm(y ~ ., data = train_set, type = "eps-regression", kernel = "radial")

# 预测
pred <- predict(model, test_set[-1])

# 计算预测误差
mse <- mean((test_set$y - pred)^2)
rmse <- sqrt(mse)
mae <- mean(abs(test_set$y - pred))
r2 <- cor(test_set$y, pred)^2

# 输出结果
cat("RMSE:", rmse, "\n")
cat("MAE:", mae, "\n")
cat("R-squared:", r2, "\n")

在上面的代码中，`data.csv`是包含自变量和因变量的数据文件。首先，我们使用`read.csv()`函数将数据读取进来，然后使用`sample()`函数将数据分为训练集和测试集。接下来，我们使用`svm()`函数建立SVR模型，其中`type = "eps-regression"`表示使用epsilon-SVR算法进行回归，`kernel = "radial"`表示使用径向基函数作为核函数。最后，我们使用`predict()`函数对测试集进行预测，并计算预测误差。最后输出预测结果。