Scikit Learn：如何在回归中设置 SVM 输出范围？

Posted 2023-03-12

【中文标题】Scikit Learn：如何在回归中设置 SVM 输出范围？

【英文标题】：Scikit Learn: How can I set the SVM Output range in regression?

【发布时间】：2015-07-22 00:54:11

【问题描述】：

我在[-1 , 1] 范围内有一些输入数据，在[ 0, 1] 范围内有一些输出数据。当我使用 SMV 回归来预测输出时 我知道预测的输出值介于-1 和 1 之间。我是什么 失踪？代码是：

    svr=svm.SVR(C=0.1, gamma=0.01,kernel='rbf') 
    y_rbf =svr.fit(TrainingIn,TrainingOut) 
    y_hat=svr.predict(TestIn)

谢谢！

【问题讨论】：

您可以发布您的训练数据的示例条目吗？

【参考方案1】：

我保留这个答案仅供将来参考（它不直接回答 PSan 的问题）。

请务必注意（可能与其名称相反）sklearn.svm.SVR 既可以用作预测器，也可以用作分类器。如果输入带标签的数据，predict 将输出 -1, +1。

【讨论】：

拜托，你能解释一下吗？抱歉，我不确定我是否理解您的回复

这个答案是完全错误的，它将 SVM [支持向量机] 与 SVR [支持向量回归] 混淆了。

检查问题。他正在运行 SVR。

是的，他是，而且你的回答与 SVR 无关，特别是“你在这里执行的是一类拟合” - 不，他不是，他正在执行回归

我越来越不确定我们是否在谈论同一件事。也许我们可以看到我们不同意的具体点。问题不是关于一般的 SVR/SVM，而是关于 svm 模块中的特定 SVR 类。文档清楚地指出，sklearn.svm.SVR - 尽管它是 SVR 名称 - 既可以用作回归器，也可以用作分类器。给定训练的标记输入，它将“预测”+1 / -1；它正在执行“分类预测”。随意陈述您不同意的确切观点。

【参考方案2】：

鉴于此处的信息，无法重建您的问题。不过，我很确定，这与数据的预处理/缩放有关。让SVR 运行的示例 sn-p 可能如下所示（随意调整以适应您的需要）：

from sklearn.svm import SVR
from sklearn.datasets import load_boston
from sklearn.preprocessing import StandardScaler
from sklearn.cross_validation import train_test_split
from sklearn.metrics import mean_squared_error

# replace this parth with your data, e.g. TrainingIn/TrainingOut
boston = load_boston()
X, y = boston.data, boston.target

X1, X2, y1, y2 = train_test_split(X, y)
svr = SVR(C=80)
scaler = StandardScaler()
svr.fit(scaler.fit_transform(X1), y1)
y_pred = svr.predict(scaler.transform(X2))

print mean_squared_error(y2, y_pred)

【讨论】：

我以这种方式缩放： scalerI = preprocessing.StandardScaler() scalerI.fit(TrainingIn_ps) TrainingIn = scalerI.transform(TrainingIn_ps) TestIn = scalerI.transform(TestIn_ps) 也许我没有使用缩放器以一种很好的方式，我只缩放了两个输入而不是输出。但是有没有明确的方法来为回归的输出设置一个特定的范围？

您能否发布部分数据（如@pyan 所述）或至少发布一段代码 sn-p 以暴露不需要的行为？否则很难诊断问题...