1回答
SVR为所有特征预测相同的值
、、、、
现在，在我的示例中，我的数据集中没有'Dates‘值，而是希望使用Open、High、Low、Volume data作为要素，因为我认为这样会更准确 我是这样定义我的特征和目标的 features == svr_rbf.predict(X_testing)
print(predictions) 我假设这将预测给定测试特征的Y值，然后我可以将其与实际的y_testing值进
浏览 37提问于2019-03-03得票数 0
2回答
将支持向量机回归用于rainfall.The降雨量的预测，1~12月降水量为x，年降雨量为y，训练数据和测试数据采用80:20分割。from sklearn.svm import SVR clf.fit(X_train, y_train.2f RMSE' % (testScore))
浏览 67提问于2021-08-26得票数 0
回答已采纳
1回答
我一直在使用Encog神经网络工作台(版本3.2)运行太阳黑子预测例程，并且注意到，当将来的预测窗口更改为大于1时，sunspot_output.csv中的结果似乎被时间抵消了，因此当网络在t=0上进行评估时据我理解，如果您使用的是过去的窗口30，未来的窗口是14，那么网络将查看最后的30条记录，并从最后的可用记录中进行预测(在这种情况下，假设11/1/1951是最后可用的记录)
浏览 0提问于2014-10-01得票数 0
1回答
我正在创建一个基本的应用程序来预测日n+1股票的“收盘价”，给出了使用Python和Scikit-learn的股票n的特性。在我的示例中，我的数据集中没有“日期”值，而是希望使用Open、High、Low数据作为特性，因为我认为这样会使其更准确features = df.loc[:,df.columns= svr_rbf.predict(X_testing)
print(p
浏览 0提问于2019-03-03得票数 3
回答已采纳
2回答
我在不同的数据集上运行了LSTM和SVR模型，样本值在1-4000之间，并且SVR中的MAPE始终小于通过LSTM获得的MAPE。我希望有任何反馈意见和任何链接到文章或论文(到目前为止，我发现了非常不同的意见)。
浏览 0提问于2019-06-28得票数 0
我看到了很多关于支持向量机速度的问题，但是对于训练和预测的区别却没有。BaggingRegressor(base_estimator=model, n_estimators=20, max_samples=1/20, n_jobs=-1)
以上方法可以在2分钟内对近50万个样本进行50个特征值的训练，但预测一半样本的时间要超过20分钟。顺便提一句，在没有套袋的情况下，训练TransformedTargetRegressor需
浏览 20提问于2022-05-23得票数 2
回答已采纳
我已经做了四个特征的训练，包括月，日，小时和温度，这是预测一些值，我想要做的是根据月，小时和第二天的天来预测值，因为我不知道第二天的温度(这将是看不见的数据，不会在训练中使用)，所以这使得只使用3个特征来测试数据使用的分类器是SVR。我是机器学习的初学者。
感谢您的回复
浏览 0提问于2020-02-19得票数 0
1回答
我正在使用sklearn的支持向量回归模型处理回归问题，并使用MinMax缩放特征，但通过使用它，我得到了不同的回归结果，这有意义吗？np.random.seed(0)Y_training = np.random.rand(100,1)*10 5.61135278, 5.7890052 , 5.74425789, 6.15799404, 6.
浏览 2提问于2017-02-09得票数 0
1回答
我还是机器学习领域的初学者。假设有这样的简单数据：| Age | Gender | Mortality Rates || 80 | Male | 30 |为了获得按年龄划分的死亡率在一种机器学习算法中将它们结合在一起产生输出预测的常用方法是什么？
浏览 1提问于2015-05-18得票数 0
回答已采纳
1回答
列是来自不同连续进程步骤的特性。
我的问题是(见上面的图)，无论我尝试什么，预测的范围(y_hat)都是非常有限和相当随机<e
浏览 0提问于2018-09-05得票数 0
1回答
我有一些离散的决策变量-namely颜色、纹理、大小和温度-它们显然有许多可能的值，我观察的对象显然会对所有这些变量都有一些值。我想要预测所有四个变量的值，同时使用之前的变量预测作为特征；即:首先我使用一些特征预测颜色的值，然后将这个预测添加到我的特
浏览 15提问于2019-05-01得票数 1
在一个分类问题中，假设一个模型有两个变量，A和B，空模型(没有任何变量的模型)对所有实例预测属于1类的概率为50%。现在假设对于所有的数据实例xi，特征A使模型能够预测大幅度的正确类的相反值(即，如果真类为1，空模型预测为0.5，A使模型预测0.1概率)，B使模型预测到正确的类，但幅度较小(即
浏览 0提问于2023-01-27得票数 0
我有一个具有以下维度(x_train，y_train)的数据集： "estimator__epsilon" : [0.1, 0.001, 0]}]
lm = SVR，即所有不是1.0的东西
[CV 1/5] END estimator__C=1
浏览 4提问于2022-02-08得票数 0
1回答
其主要思想是根据输入特征预测2个目标输出。线性核和径向基函数核也利用GridsearchCV寻找最佳的C(线性)、γ和C (' rbf ')。问题我在线性和径向基函数核上使用MultiOutputRegressor进行SVR，但
浏览 10提问于2022-01-26得票数 0
这里是代码的粘贴： 首先，我的输入是规范化的，我每点有五个输入。我初始化我的SVR (和SVC)，训练它们，然后用30个样本外的inputs...and测试它们，得到对每个输入的完全相同的预测(并且输入正在以合理的数量变化-0.3、0.6、0.5等)。
浏览 1提问于2015-12-26得票数 11
回答已采纳
1回答
基于分类特征分析的连续数据预测
、、、、
我有一个例子，我想预测列H1和H2，它们是连续的数据，所有的分类特征都是，希望得到一个组合，为H1和H2提供最优的结果，但是类别的分布是不均匀的，有些类别只有1，
我在每一栏中的分类频率信息：我想问的是：
，类别特征的不平衡对预测有很大影响吗？什么是正确的解决方案来解决这个问题？，，你怎么知道最优组合？你是否
浏览 0提问于2022-06-16得票数 0
1回答
基于支持向量回归的时间序列预测
、、、、
我正在尝试使用支持向量回归来执行一个简单的时间序列预测。 a += 1b = 10
y.append(Y[b])tick_plot.plot(X[10:], y_rbf[:-1], label='data', color='blue', linestyle='--'
浏览 2提问于2014-07-02得票数 3
1回答
学习SVR预测总是给出相同的值。
、、、、
我即将预测IMDB评分(电影率)，使用支持向量回归在Scikit-Learn中。问题是，对于每个输入，它总是给出相同的预测结果。
我的密码：
浏览 1提问于2016-12-10得票数 8
3回答
我是一个建模技术的新手，我正在尝试比较SVR和线性回归。我已经使用f(x) = 5x+10线性函数来生成训练和测试数据集。= svm.SVR(kernel="rbf", gamma=0.1)svr.fit(X_train.reshape(-1,1),y_train)plt.plot(X_test, predSVR
浏览 5提问于2016-01-19得票数 4
回答已采纳
我使用GridSearch进行参数优化，使用sklearn进行10倍交叉验证的预测值，如下所示： 'C': [0.1, 1, 10], }
svr = SVR(kernel='linear', coef0=0.1, shrinking=True, tol=0.001, cache_size=200, v
浏览 9提问于2018-08-25得票数 0
回答已采纳
云服务器
ICP备案
云直播
即时通信 IM
实时音视频
腾讯云开发者
