SVM-SVR

使用Python 的sklearn包来训练svm，当然也可以使用libsvm。

主要想用svr做预测，我们知道svm是做分类的，同样基于svm的改进版svr也同样和可以做预测。

from sklearn import svm.SVR()

svr的初始化：

    clf=svm.SVR(
        C=c_value,
        cache_size=200,
        coef0=0.0,
        degree=3,
        epsilon=0.1,
        gamma=gamma_value,
        kernel='rbf',
        max_iter=-1,
        shrinking=True,
        tol=0.001,
        verbose=False
              )

主要调节的参数是C，coef0，gamma，kernel。

C是惩罚函数

kernel可以选择核函数，一般认为“rbf”或者“linear”会比较合适。

因此我们一般都会选择“rbf”，默认的也是径向基函数。

在后续我们主要调节C和gamma的参数。

台湾大学的Chih-Jen Lin有一篇指导性的文章讲svm的调参，可以借鉴。

http://10.254.1.82/cache/13/03/ntu.edu.tw/72c9aa1223379f2b3d82c519299ffe1a/guide.pdf

前路漫漫。