SVR預測語法解釋

Question

我正在學校項目中使用SVR預測一系列值（例如，庫存值）的下一個值。我們在scikit（Python）上找到了一些示例代碼，我們無法理解它的語法。

有人可以幫助我們破譯這個嗎？

X = np.sort(5 * np.random.rand(40, 1), axis=0) 
    Y = np.sin(X).ravel() 

    from sklearn.svm import SVR 
    svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.1) 

    y_rbf = svr_rbf.fit(X, Y).predict(X) 

我理解的前4行的代碼...我的問題是多與y_rbf線......究竟是如何工作的呢？我們是否基於訓練集進行曲線擬合，然後基於相同的輸入向量進行預測？

我不確定語法是什麼意思。任何幫助表示讚賞。

謝謝。

Answer 1

最後一行可分爲：

svr_rbf.fit(X, Y) # 1 
y_rbf = svr_rbf.predict(X) # 2 

1. 您打造的輸出y如何依賴於X.根據模型documentation你：

   裝上根據給定的訓練數據的SVM模型。

2. 在這裏，您使用您之前構建的模型來預測每個點的值（y）。由於documention所說的那樣：

   X中的樣本進行迴歸

這是罰款的實驗，但只是爲了讓你知道：一般來說，你需要測試您的數據模型不是用於擬合模型的數據，以避免過度擬合。如果你不熟悉交叉驗證，你可以閱讀有關交叉驗證。