SVR预测语法解释答案

【问题标题】：SVR prediction syntax explanationSVR预测语法解释
【发布时间】：2014-04-19 01:20:30
【问题描述】：

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（例如股票值）的下一个值。我们在 scikit (Python) 上找到了一些我们无法理解其语法的示例代码。

有人可以帮我们破译吗？

    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)

我了解这段代码的前 4 行...我的问题更多在于 y_rbf 行...这究竟是如何工作的？我们是根据训练集做曲线拟合，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。

【问题讨论】：

标签： python machine-learning prediction

【解决方案1】：

最后一行可以分解为：

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

你建立一个输出 y 如何依赖于 X 的模型。根据documentation 你：

根据给定的训练数据拟合 SVM 模型。
在这里，您使用之前构建的模型来预测每个点的值 (y)。正如documention 所说：

对 X 中的样本执行回归。

这对于实验来说很好，但只是为了让您意识到：通常，您需要根据用于拟合模型的数据以外的数据来测试您的模型，以避免过度拟合。如果您不熟悉交叉验证，可以阅读它。

【讨论】：