时间序列预测 | SVM时间序列预测建模,单步、多步(Python)

19 篇文章 4 订阅 ¥19.90 ¥99.00

(1)代码解读

scikit-learn 提供了3种支持向量机 (SVM) 的回归器:sklearn.svm.SVR、sklearn.svm.NuSVR和sklearn.svm.LinearSVR:

(a)SVR (Support Vector Regression)

说明:SVR是基于libsvm的支持向量回归的实现。

核函数:可以使用多种核函数,例如线性、多项式、RBF(径向基函数)和sigmoid等。

主要参数:

sklearn.svm.SVR(*, kernel=‘rbf’, degree=3, gamma=‘scale’, coef0=0.0, tol=0.001, C=1.0, epsilon=0.1, shrinking=True, cache_size=200, verbose=False, max_iter=-1)
C: 误差项的惩罚参数。C越大,模型对误差的容忍度越低。

epsilon: ε-不敏感损失函数中的ε。它指定了没有惩罚的训练样本的边界。

kernel: 使用的核函数。例如 ‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’ 或者是一个自定义的函数。

degree: 多项式核函数的度(只在kernel='poly’时使用)。

gamma: ‘rbf’, ‘poly’ 和 ‘sigmoid’ 的核函数系数。

coef0: 多项式和sigmoid核函数的独立项。

shrinking: 是否使用收缩启发式。

其他参数还有tol, cache_size, verbose, max_iter等。

(b)NuSVR

<
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

天天酷科研

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值