请选择 进入手机版 | 继续访问电脑版

Hello Mat

 找回密码
 立即注册

QQ登录

只需一步,快速开始

查看: 3831|回复: 0

SVR回归(线性,多项式、RBF)预测模型

[复制链接]

820

主题

967

帖子

3万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
30397
发表于 2017-6-10 17:53:23 | 显示全部楼层 |阅读模式
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. # 导入pandas与numpy工具包
  4. import pandas as pd
  5. import numpy as np

  6. from sklearn.datasets import load_boston
  7. boston = load_boston()

  8. from sklearn.cross_validation import train_test_split
  9. X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.25, random_state=33)

  10. # 从sklearn.preprocessing里导入StandardScaler。
  11. from sklearn.preprocessing import StandardScaler
  12. # 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。
  13. ss_x = StandardScaler()
  14. ss_y = StandardScaler()
  15. X_train = ss_x.fit_transform(X_train)
  16. X_test = ss_x.transform(X_test)
  17. y_train = ss_y.fit_transform(y_train)
  18. y_test_normal = ss_y.transform(y_test)

  19. # 从sklearn.svm_model里导入SVR
  20. from sklearn.svm import SVR
  21. rbf_SVR = SVR(kernel='rbf');
  22. rbf_SVR.fit(X_train, y_train);
  23. rbf_SVR_yc = rbf_SVR.predict(X_test);

  24. rbf_SVR_yc_inverse = ss_y.inverse_transform(rbf_SVR_yc)

  25. from sklearn.metrics import mean_absolute_error,mean_squared_error
  26. # 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。
  27. print 'R2 value of rbf_SVR Regression:', rbf_SVR.score(X_test, y_test_normal)
  28. print 'mean_absolute_error of rbf_SVR Regression:', mean_absolute_error(y_test, rbf_SVR_yc_inverse)
  29. print 'mean_squared_error of rbf_SVR Regression:', mean_squared_error(y_test, rbf_SVR_yc_inverse)

  30. 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
算法QQ  3283892722
群智能算法链接http://halcom.cn/forum.php?mod=forumdisplay&fid=73
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Python|Opencv|MATLAB|Halcom.cn  

GMT+8, 2020-11-27 19:56 , Processed in 0.159029 second(s), 27 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表