2.1.2.2 支持向量机（回归）

#美国波士顿地区房价描述
from sklearn.datasets import load_boston
boston=load_boston()
print(boston.DESCR)

#数据分割
from sklearn.cross_validation import train_test_split
import numpy as np
X=boston.data
y=boston.target
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25,random_state=33)

#分析回归目标值的差异
print('最大值：',np.max(boston.target))
print('最小值：',np.min(boston.target))
print('平均值：',np.mean(boston.target))

#发现目标房价之间的差异较大，需要对特征和目标值进行标准化处理
from sklearn.preprocessing import StandardScaler
ss_X=StandardScaler()
ss_y=StandardScaler()
X_train=ss_X.fit_transform(X_train)
X_test=ss_X.transform(X_test)
y_train=ss_y.fit_transform(y_train.reshape(-1,1))
y_test=ss_y.transform(y_test.reshape(-1,1))

#使用线性核函数配置的支持向量机，进行训练和预测
from sklearn.svm im