SVR混合核函数python，要求可导入CSV文件，结果输出训练集和测试集的R方以及RMSE

你可以使用Scikit-learn库中的SVR模型来实现SVR混合核函数，并计算训练集和测试集的R方以及RMSE。以下是一个示例代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVR
from sklearn.metrics import r2_score, mean_squared_error

# 读取CSV文件
data = pd.read_csv('your_data.csv')

# 提取特征和目标变量
X = data.drop('target', axis=1)
y = data['target']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化SVR模型
svr = SVR(kernel='rbf')

# 拟合模型
svr.fit(X_train, y_train)

# 在训练集上进行预测
y_train_pred = svr.predict(X_train)
r2_train = r2_score(y_train, y_train_pred)
rmse_train = mean_squared_error(y_train, y_train_pred, squared=False)

# 在测试集上进行预测
y_test_pred = svr.predict(X_test)
r2_test = r2_score(y_test, y_test_pred)
rmse_test = mean_squared_error(y_test, y_test_pred, squared=False)

print("训练集 R方:", r2_train)
print("训练集 RMSE:", rmse_train)
print("测试集 R方:", r2_test)
print("测试集 RMSE:", rmse_test)

请确保将"your_data.csv"替换为你的CSV文件的路径。这段代码将读取CSV文件，并使用SVR模型拟合数据，然后计算训练集和测试集的R方以及RMSE，并将结果打印出来。