SVR回归（线性，多项式、RBF）预测模型

Halcom

SVR回归（线性，多项式、RBF）预测模型（房价数据预测）：
百度网盘链接：
视频链接：http://pan.baidu.com/s/1o7TfZCm
具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，并提交给我，我来设置视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1

使用环境：Win7-32bit-Anaconda2-4.3.1-Windows-x86.exe
数据集：http://pan.baidu.com/s/1kV4xwij
Python代码如下：

1. @author: ysw
   
2. """
   
3. 
   
4. # 导入pandas与numpy工具包
   
5. import pandas as pd
   
6. import numpy as np
   
7. 
   
8. from sklearn.datasets import load_boston
   
9. boston = load_boston()
   
10. 
    
11. from sklearn.cross_validation import train_test_split
    
12. X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.25, random_state=33)
    
13. 
    
14. # 从sklearn.preprocessing里导入StandardScaler。
    
15. from sklearn.preprocessing import StandardScaler
    
16. # 标准化数据，保证每个维度的特征数据方差为1，均值为0。使得预测结果不会被某些维度过大的特征值而主导。
    
17. ss_x = StandardScaler()
    
18. ss_y = StandardScaler()
    
19. X_train = ss_x.fit_transform(X_train)
    
20. X_test = ss_x.transform(X_test)
    
21. y_train = ss_y.fit_transform(y_train)
    
22. y_test_normal = ss_y.transform(y_test)
    
23. 
    
24. # 从sklearn.svm_model里导入SVR
    
25. from sklearn.svm import SVR
    
26. rbf_SVR = SVR(kernel='rbf');
    
27. rbf_SVR.fit(X_train, y_train);
    
28. rbf_SVR_yc = rbf_SVR.predict(X_test);
    
29. 
    
30. rbf_SVR_yc_inverse = ss_y.inverse_transform(rbf_SVR_yc)
    
31. 
    
32. from sklearn.metrics import mean_absolute_error,mean_squared_error
    
33. # 使用svm模型自带的评分函数score获得模型在测试集上的准确性结果。
    
34. print 'R2 value of rbf_SVR Regression:', rbf_SVR.score(X_test, y_test_normal)
    
35. print 'mean_absolute_error of rbf_SVR Regression:', mean_absolute_error(y_test, rbf_SVR_yc_inverse)
    
36. print 'mean_squared_error of rbf_SVR Regression:', mean_squared_error(y_test, rbf_SVR_yc_inverse)
    
37. 
    
38. print('\n')

复制代码

具体的流程如下：
（1）读取样本数据；
（2）随机抽样：75%的训练样本，25%测试样本；
（3）归一化数据（防止量纲差异导致的特征信息丢失）；
（4）构建一个SVR线性核函数（构建一个SVR多元线性核函数）（构建一个SVR RBF核函数）；
（5）训练样本；
（6）代入测试数据进行预测；
（7）输出预测结果、打印混淆矩阵信息报表。
                                
Python底层SVR代码分享：http://pan.baidu.com/s/1kU773lt
MATLAB底层SVR代码分享：http://pan.baidu.com/s/1pLG3dBd
MATLAB底层SVC、SVR代码分享：http://pan.baidu.com/s/1dFEL6vB