SVR预测语法解释

时间:2014-04-19 01:20:30

标签: python machine-learning prediction

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。

1 个答案:

答案 0 :(得分: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。

  3. 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。