支持向量机回归对单变量进行预测的 Python 代码
时间: 2023-06-18 10:02:31 浏览: 50
以下是使用支持向量机回归进行单变量预测的 Python 示例代码:
```python
import numpy as np
import matplotlib.pyplot as plt
from sklearn.svm import SVR
# 生成训练数据
X = np.sort(10 * np.random.rand(100, 1), axis=0)
y = np.sin(X).ravel()
# 添加噪声
y[::5] += 3 * (0.5 - np.random.rand(20))
# 定义SVR模型
svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.1)
# 训练SVR模型
svr_rbf.fit(X, y)
# 预测
y_pred = svr_rbf.predict(X)
# 绘制结果
plt.scatter(X, y, color='darkorange', label='data')
plt.plot(X, y_pred, color='navy', lw=2, label='SVR RBF')
plt.xlabel('data')
plt.ylabel('target')
plt.title('Support Vector Regression')
plt.legend()
plt.show()
```
本例中,我们首先生成100个随机数作为X变量,并使用正弦函数生成对应的y变量。然后我们添加一些随机噪声。接下来,我们定义了一个基于径向基函数的SVR模型,并使用训练数据进行拟合。最后,我们使用模型预测y,并将结果可视化。