支持向量回归svr的代码python
时间: 2023-07-29 10:04:41 浏览: 61
支持向量回归(Support Vector Regression, SVR)是一种用于回归问题的机器学习算法。下面是一段使用Python编写的SVR代码示例:
```python
# 导入所需的库
import numpy as np
from sklearn.svm import SVR
import matplotlib.pyplot as plt
# 生成示例数据
np.random.seed(0)
X = np.sort(5 * np.random.rand(200, 1), axis=0)
y = np.sin(X).ravel()
y += 0.5 * (0.5 - np.random.rand(200))
# 创建SVR模型
svr = SVR(kernel='rbf', C=100, gamma=0.1, epsilon=0.1)
# 拟合数据
svr.fit(X, y)
# 生成预测结果
X_test = np.arange(0.0, 5.0, 0.01)[:, np.newaxis]
y_pred = svr.predict(X_test)
# 可视化结果
plt.scatter(X, y, color='darkorange', label='data')
plt.plot(X_test, y_pred, color='navy', lw=2, label='SVR')
plt.xlabel('x')
plt.ylabel('y')
plt.title('Support Vector Regression')
plt.legend()
plt.show()
```
以上代码使用Numpy生成了一个简单的示例数据集,然后使用SVR模型对数据进行拟合,最后绘制了拟合结果的散点图和SVR模型的预测曲线。其中,kernel参数指定了核函数的类型,C参数控制了正则化项的强度,gamma参数控制了核函数的宽度,epsilon参数控制了容忍度。根据具体问题的要求,可以调整这些参数以获得更好的拟合效果。