请给出 python 支持向量机回归算法的调参代码
时间: 2023-10-03 16:03:09 浏览: 119
好的,以下是 Python 中支持向量机回归算法的调参代码示例:
```python
from sklearn.svm import SVR
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import r2_score, mean_squared_error
# 加载数据集并分离特征和标签
X, y = load_data()
# 创建支持向量机回归模型
svr = SVR()
# 定义调参范围
param_grid = {'C': [0.1, 1, 10, 100],
'gamma': [0.1, 1, 10, 100],
'kernel': ['rbf', 'linear', 'poly', 'sigmoid']}
# 使用 GridSearchCV 进行调参
grid_search = GridSearchCV(estimator=svr, param_grid=param_grid, cv=5)
grid_search.fit(X, y)
# 输出最优参数和对应的模型得分
print("Best parameters: ", grid_search.best_params_)
print("Best score: ", grid_search.best_score_)
# 对测试集进行预测并计算评估指标
y_pred = grid_search.predict(X_test)
print("R2 score: ", r2_score(y_test, y_pred))
print("Mean squared error: ", mean_squared_error(y_test, y_pred))
```
在上面的代码中,我们首先使用 `SVR()` 函数创建了支持向量机回归模型。然后,我们定义了需要调参的参数范围,并使用 `GridSearchCV()` 函数对模型进行了参数搜索。最后,我们输出了最优参数和对应的模型得分,并对测试集进行了预测和评估。
阅读全文