SVM 预测（SVC 与 SVR）答案

【问题标题】：SVM prediction (SVC vs SVR )SVM 预测（SVC 与 SVR）
【发布时间】：2020-07-05 21:08:58
【问题描述】：

我正在尝试使用 SKlearn SVM 预测我的数据集中的值。在Sklearn website，我有更多的模型：

我的数据集是完整的数字数据集（如 Iris 数据集），没有标签。

我尝试以这种方式应用模型：

svclassifier = SVC(kernel='linear')

而且计算时间很长（大约19小时）

我试图改变模型

svclassifier = SVR()

而且计算很轻（大约2分钟）

我也用我的原始值和预测值检查了 RMSE，差异非常接近，在 SVC 中约为 6，而 SVR 为 5.9（在这个中似乎更好）。

如何找到适合该套装的型号？我使用的两个模型有什么区别？

编辑：这是我的数据集类型

valueHR values  WkHR    WkCal   WkSteps sec sugar   cal carbs   fat fiber   protein sodium
823 77  0   0   0   0   0   90  0   0   0   0   0   0
824 75  49  0   0   0   0   90  0   0   0   0   0   0

我以这种方式拆分df

X = data.drop('sugar', axis=1)
y = data['sugar']

我对 X 和 y 进行了测试和训练

之后，我应用 SVM 来预测糖值。

编辑 2：data.unique()

data['sugar'].unique()

array([ 90,  86,  82,  79,  78,  76,  84,  88,  92,  81,  93,  96,  95,
        94,  87,  99,  97,  89, 104, 109, 113, 116, 108,  98,  80,  72,
        73,  74,  83, 112, 107, 103,  91, 100, 102, 101, 105, 117, 110,
       106, 125, 133, 115, 111, 114,  85, 121, 119, 126, 122, 127, 132,
       136, 131, 123, 120, 118, 124, 130, 128, 129, 140, 138, 139, 145,
       154, 148, 134], dtype=int64)

说清楚，我不想分类，我只想预测。在数据集中有同一个人的数据，所以我没有更多的人（就像 Iris 数据集的情况一样，有不同的物种）。

【问题讨论】：

SVC 是分类器，SVR 是回归器。
相关：stackoverflow.com/q/45206441/1025391
请提供至少您的数据集的摘录和您想要获得的结果。如果没有，您的问题将被关闭，因为它需要更多关注。谢谢。
@sentence 我编辑了，谢谢。
请提供len(data['sugar'].unique()) 的输出。谢谢。

标签： python scikit-learn svm prediction svc

【解决方案1】：

首先要注意的是数据是线性格式还是非线性格式。

对于初学者来说预测最好的模型是相当困难的，因为它需要分析数据格式（线性，非线性）。

但是我们可以使用指标来检查结果的准确性。

使用以下代码测试您在数据集上使用的模型的准确性。

从 sklearn.metrics 导入 accuracy_score

accuracy_score(y_test,predicted_y_test)

【讨论】：

Svc 是一个分类器。分类器只不过是根据先前验证的数据来分类某物是否属于特定位置。
Svr 是一个回归量。 Regressor 用于查找因变量与一个或多个自变量之间的关系，然后找到即将出现的值
如何判断日期是否是线性的？我的数据集中有一系列数字，所有这些数字都表示身体值，例如温度、心率等......
要查找数据是否是线性的，请检查数据集中是否存在恒定的变化率，如果是，则它是线性数据。有关数据科学检查的更多信息，请通过 udemy 上的“kirill erimenko 的机器学习 A-Z”。您将获得大量有关机器学习模块和人工智能的知识。