支持向量机回归

# 支持向量机回归

使用支持向量机模型求解回归问题,包含模型训练器和预测器。
定义

M.svr.v1(C=1, kernel='rbf', degree=3, gamma=-1, coef0=0, tol=0.001, max_iter=-1, key_cols='date,instrument',  other_train_parameters={})

参数

  • C(float)—C-SVC惩罚系数,即对误差的宽容度,C值越大说明越不能容忍误差,容易过拟合。C值越小,越容易欠拟合。C值过大或过小,泛化能力变差。
  • kernel—核函数类型,内置了linear函数、poly函数、rbf函数、sigmoid函数和precomputed函数。
  • degree(int)—多项式poly函数的维度,选择其他核函数时会忽略此参数。
  • gamma(float)—核函数参数gamma,仅针对核函数为rbf函数,gamma越大支持向量越少,gamma越小支持向量越多,支持向量的个数影响训练与预测速度。默认为-1,表示1/n_fearures。
  • coef0(float)—核函数的常数项,针对poly和sigmoid有效,默认为0。
  • tol(float)—停止训练的误差值大小,默认为0.001。
  • max_iter(int)—最大迭代次数,默认为-1表示无限制。
  • key_cols(str)—关键列,指定的关键列会连同预测结果一起输出,多个列之间使用逗号分隔,默认为'date,instrument'两列。
  • other_train_parameters(dict)—其他训练参数,例如{‘criterion’:’mse’}。

返回

训练模型
预测结果

返回类型

OutPuts