简单介绍:SVR全称是support vector regression,是SVM(支持向量机support vector machine)对回归问题的一种运用。
数据源:(A.xlsx)
代码实现:(需要安装sklearn模块) 矩阵注释部分是中间输出,可以方便理解原理
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVR
#读取数据
dataset=pd.read_excel("A.xlsx")
x=dataset.iloc[:,1:2].values #输出为n*1(1列)
y=dataset.iloc[:,2:3].values #输出为1*n
#下面处理数据 标准化
sc_x=StandardScaler()
sc_y=StandardScaler()
x=sc_x.fit_transform(x)
y=sc_y.fit_transform(y)
print(x)
"""
[[-1.5666989 ]
[-1.21854359]
[-0.87038828]
[-0.52223297]
[-0.17407766]
[ 0.17407766]
[ 0.52223297]
[ 0.87038828]
[ 1.21854359]
[ 1.5666989 ]]
"""
#开始SVR回归
regressor = SVR(kernel = 'rbf')
regressor.fit(x,y)
y_pred=regressor.predict(sc_x.transform(np.array([[0.1]])))
#print(y_pred) [-0.52548721]
#将y_pred转换为正常值
y_pred=sc_y.inverse_transform(y_pred)
#print(y_pred) [100255.85072346]
#图像中显示
plt.scatter(x,y,color = 'blue')
plt.plot(x,regressor.predict(x),color='yellow')
plt.title("SVR预测曲线")
plt.xlabel("Position Level")
plt.ylabel("Salary")
plt.show()
输出截图:
That's all