我有一列时间序列数据，帮我写一段代码，用支持向量机预测时间序列，并绘制图像，计算mse和mae

好的，以下是一份Python代码实现你的需求：

# 导入必要的库
import pandas as pd
import numpy as np
from sklearn.svm import SVR
from sklearn.metrics import mean_squared_error, mean_absolute_error
import matplotlib.pyplot as plt

# 读取时间序列数据
data = pd.read_csv('data.csv')
X = np.array(data.index).reshape(-1, 1) # 特征为时间点
y = np.array(data['value']) # 目标为数值

# 划分训练集和测试集
train_size = int(len(X) * 0.8)
X_train, X_test = X[:train_size], X[train_size:]
y_train, y_test = y[:train_size], y[train_size:]

# 构建支持向量机模型并训练
svr = SVR(kernel='rbf', C=100, gamma=0.1, epsilon=.1)
svr.fit(X_train, y_train)

# 预测测试集结果
y_pred = svr.predict(X_test)

# 计算MSE和MAE
mse = mean_squared_error(y_test, y_pred)
mae = mean_absolute_error(y_test, y_pred)

# 绘制预测结果图像
plt.plot(X_train, y_train, color='blue', label='train')
plt.plot(X_test, y_test, color='green', label='test')
plt.plot(X_test, y_pred, color='red', label='predict')
plt.legend()
plt.show()

print('MSE: ', mse)
print('MAE: ', mae)

其中，`data.csv`是你的时间序列数据文件，需要将代码中的文件名改为你的实际文件名。支持向量机模型使用了rbf核，参数C、gamma和epsilon需要根据实际情况进行调整。最后输出MSE和MAE，并绘制了预测结果图像。