支持向量机回归(SVR)用非线性映射将数据映射到高维数据特征空间中,使得在高维数据特征空间中自变量与因变量具有很好的线性回归特征,在该特征空间进行拟合后再返回到原始空间。 #2、输入输出描述 输入:自变量 X 为 1 个或 1 个以上的定类或定量变量,因变量 Y 为一个定量变量。
np.array(y_train)) from sklearn import svm model_SVR_poly = svm.SVR(kernel = 'poly' , coef0=0.0 , degree = 1, C = 1.0 , epsilon = 0.1 ) #L2 regularization model_SVR_poly.fit(np.array(X_train) , np.array(y_train)) Linear_ridge_...
Performance comparison of Group lasso, Elastic net, Support Vector Regressor (SVR), conventional RF, and mgRF.doi:10.1371/journal.pcbi.1002956.g002Chen ZhengZhang Weixiong