svr支持向量机回归python

Support Vector Regression (SVR) 是一种基于支持向量机（SVM）的回归算法，用于处理非线性和高维数据的预测问题。在Python中，可以利用Scikit-Learn库来实现SVR。以下是使用SVR的基本步骤：

1. 导入必要的库：

from sklearn.svm import SVR
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np

2. 加载数据集并准备数据：

# 假设df是包含特征和目标变量的数据框
X = df.drop('target_column', axis=1)
y = df['target_column']

3. 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)

4. 创建并训练SVR模型：

model = SVR(kernel='linear')  # 可以选择不同的内核函数如 'linear', 'poly', 'rbf'
model.fit(X_train, y_train)

5. 预测和评估性能：

y_pred = model.predict(X_test)
from sklearn.metrics import mean_squared_error, r2_score
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)