支持向量机回归python_python 机器学习之支持向量机非线性回归SVR模型

本文介绍了python 支持向量机非线性回归SVR模型，废话不多说，具体如下：

import numpy as np

import matplotlib.pyplot as plt

from sklearn import datasets, linear_model,svm

from sklearn.model_selection import train_test_split

def load_data_regression():

'''

加载用于回归问题的数据集

'''

diabetes = datasets.load_diabetes() #使用 scikit-learn 自带的一个糖尿病病人的数据集

# 拆分成训练集和测试集，测试集大小为原始数据集大小的 1/4

return train_test_split(diabetes.data,diabetes.target,test_size=0.25,random_state=0)

#支持向量机非线性回归SVR模型

def test_SVR_linear(*data):

X_train,X_test,y_train,y_test=data

regr=svm.SVR(kernel='linear')

regr.fit(X_train,y_train)

print('Coefficients:%s, intercept %s'%(regr.coef_,regr.intercept_))

print('Score: %.2f' % regr.score(X_test, y_test))

# 生成用于回归问题的数据集

X_train,X_test,y_train,y_test=load_data_regression()

# 调用 test_LinearSVR

test_SVR_linear(X_train,X_test,y_train,y_test)

def test_SVR_poly(*data):

'''

测试 多项式核的 SVR 的预测性能随 degree、gamma、coef0 的影响.

'''

X_train,X_test,y_train,y_test=data

fig=plt.figure()

### 测试 degree ####

degrees=range(1,20)

train_scores=[]

t