SVR预测语法解释

Question

我正在开展一个学校项目，我们正在使用SVR来预测一系列值的下一个值（例如股票价值）。我们在scikit（Python）上找到了一些示例代码，我们无法理解它的语法。

有人可以帮我们解读这个吗？

    X = np.sort(5 * np.random.rand(40, 1), axis=0)
    Y = np.sin(X).ravel()

    from sklearn.svm import SVR
    svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.1)

    y_rbf = svr_rbf.fit(X, Y).predict(X)

我理解这段代码的前4行...我的问题更多的是y_rbf行...这究竟是如何工作的？我们是根据训练集进行曲线拟合，然后根据相同的输入向量进行预测吗？

我不确定语法是什么意思。任何帮助表示赞赏。

谢谢。

Answer 1

最后一行可以分解为：

svr_rbf.fit(X, Y)   # 1
y_rbf = svr_rbf.predict(X)  # 2

1. 您构建了一个输出y依赖于X的模型。根据documentation你：

     

   根据给定的训练数据拟合SVM模型。

2. 在此使用您之前构建的模型来预测每个点的值（y）。正如documention所说：

     

   对X中的样本进行回归。

这对于实验来说很好，但只是为了让你明白：一般来说，你会想要在数据上测试你的模型，而不是用来拟合模型，以避免过度拟合。如果您不熟悉交叉验证，可以阅读。