我正在尝试将一个SVR模型适合我的数据集,并使用Python中的Sklearn查看绘图。在
from sklearn.svm import SVR
#Load Data
X_train_Occ = pd.DataFrame(X_train['occupancy'])
Y_train_Occ = Y_train
#Rescale
sc_X = StandardScaler()
sc_Y = StandardScaler()
X_train_Occ_scaled = sc_X.fit_transform(X_train_Occ)
Y_train_Occ_scaled = sc_Y.fit_transform(Y_train_Occ.reshape(-1, 1))
regressor = SVR(kernel ='rbf')
regressor.fit(X_train_Occ_scaled, Y_train_Occ_scaled)
我将数据加载到X和Y数据帧中并缩放它们。 见下图:
然后得到以下输出:
^{pr2}$然后我试着用这个来展示回归的结果:
plt.scatter(X_train_Occ_scaled, Y_train_Occ_scaled, color = 'red')
plt.plot(X_train_Occ_scaled, regressor.predict(X_train_Occ_scaled), color = 'blue')
plt.title('Occupancy vs Flow (SVR)')
plt.xlabel('Occupancy')
plt.ylabel('Flow')
plt.show()
给出了以下图表:
模型与数据拟合过度了吗?还是密码有问题?在
我从这里开始遵循以下准则: http://scikit-learn.org/stable/auto_examples/svm/plot_svm_regression.html
我试着画出最适合模型的线,而不是从每一点开始画一条线。在
如前所述,解决方案是首先按自变量对数据进行排序,然后将数据拟合到模型中并预测结果。在
不要使用
plt.plot
,因为所有数据都是随机排序的。使用plt.scatter
或将数据从最小值排序到最大值相关问题 更多 >
编程相关推荐