python - 在 Scikit 中查找混合次数多项式学习支持向量回归

Question

据我了解，Scikit 学习中的支持向量回归采用整数表示度数。但是，在我看来，好像没有考虑低阶多项式。

运行以下示例:

import numpy
from sklearn.svm import SVR
X = np.sort(5 * np.random.rand(40, 1), axis=0)
Y=(2*X-.75*X**2).ravel()
Y[::5] += 3 * (0.5 - np.random.rand(8))
svr_poly = SVR(kernel='poly', C=1e3, degree=2)
y_poly = svr_poly.fit(X, Y).predict(X)

(从此处复制并稍作修改http://scikit-learn.org/stable/auto_examples/svm/plot_svm_regression.html)

绘制数据的拟合度很差(即使跳过第 5 行，其中 Y 值存在随机误差)。

似乎没有考虑低阶项。我试图为 degree 参数传递列表 [1, 2] 但随后我收到了 predict 命令的错误。有什么办法可以包括它们吗？我错过了一些明显的东西吗？

Answer 1

我认为低阶多项式项包含在拟合模型中，但在图中不可见，因为 C 和 epsilon 参数不太适合数据.通常可以通过使用 GridSearchCV 微调参数来获得更好的拟合。由于在这种情况下数据未居中，因此 coef0 参数也具有重要影响。

以下参数应该更适合数据:

svr_poly = SVR(kernel='poly', degree=2, C=100, epsilon=0.0001, coef0=5)