如何为我的数据创建 SVM？

Posted 2023-03-12

【中文标题】如何为我的数据创建 SVM？

【英文标题】：How to create an SVM for my data?

【发布时间】：2014-07-30 11:25:44

【问题描述】：

我想将我的分箱数据传输到 SVM 中，以根据身高、年龄等数百个特征来预测个人的体重。

目前，我的分箱数据（我使用 groupby(pd.cut)）将权重作为其数据的一部分。此外，我的数据包括一些 NaN。我想知道：

如何将我的数据分成 X 和 Y（标签） 哪个 SVM 最适合我的目标 如何用平均值替换 NaN（我相信我需要使用 Imputer 模块？）

在此先感谢您，而且我是一个整体编程新手，所以请假设我只知道基础知识。

【问题讨论】：

您的问题有些问题。首先，这不仅仅是一个问题。其次，我们不做产品推荐。三、什么是SVM？不要只是假设我们知道您在说什么。

SVM 是一种支持向量机，是一种机器学习算法，

【参考方案1】：

我假设您有一个 X 形 [样本、特征]。在这种情况下，您需要知道权重特征的索引，然后将其提取出来。像这样的东西应该工作。

y = Xorg[:,weightind]
X = np.delete(X, weightind, 1)

体重是一个连续变量。除非您想将其转换为分类类别（例如，“slim”、“normal”、“heavy”），否则您需要一个回归量。我不知道您为什么如此热衷于 SVM，但有一个 SVM 回归器 - SVR。如果您的问题是关于 SVR 的内核 - 您可以通过 GridSearchCV 尝试一些。

是的，您需要 imputer 模型。一个简单的用法（用均值代替）是：

Ximp = Imputer().fit_transform(X)

【讨论】：

您会推荐 sklearn 中的任何特定回归器吗？此外，您是否还会推荐任何功能选择器？谢谢！

@user3712008 不特别，这实际上取决于您的数据的性质。无论如何，如果答案有帮助，请采纳。