Python 中的 SVM 拟合数据集时出错

Question

我对整个SVM和数据集的事情相当陌生。我做了很多研究，但我无法弄清楚问题是什么。

import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import svm
boston = datasets.load_boston()
X, y = boston.data, boston.target
clf = svm.SVC(gamma=0.001, C=100.)
clf.fit(X, y)
clf.predict()

我想让它预测新值，但我不确定如何去做。此外，当我只是试图适应它时，我会收到此错误。

值错误： 未知标签类型： array（[ 24. ， 21.6， 34.7， 33.4， 36.2， 28.7， 22.9， 27.1， 16.5， 18.9, 15., 18.9, 21.7, 20.4, 18.2, 19.9, 23.1, 17.5.....后面跟着一个由大量数字组成的数组。

我已经能够将这些函数与我制作的小数组一起使用，以用作测试的"数据集"。

如何使用 SVM 预测此数据集的新数据？我对这一切也没有太多了解。

基本上，我试图做的是从波士顿获取数据集并预测其新数据。交给我的任务是使用 SVM 演示数据建模和预测，并提供测试集和训练集。

Answer 1

波士顿数据集中的目标是连续的。您正在使用 svm。SVC，这是一种分类算法（支持向量分类）。您可以使用 svm 进行回归。此数据集上的 SVR。

import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import svm
boston = datasets.load_boston()
X, y = boston.data, boston.target
reg = svm.SVR(gamma=0.001, C=100.)
reg.fit(X, y)
predictions_training_set = reg.predict(X)

任何算法的predict函数都将接受一个参数，即进行预测的数据集（X）。在上面的代码中，我为此使用了训练集。通常，您需要执行训练-测试拆分。cross_validation.training_test_split功能很方便。http://scikit-learn.org/stable/modules/generated/sklearn.cross_validation.train_test_split.html