python - SVR预测语法解释

Question

我正在开展一个学校项目，我们使用 SVR 来预测一系列值(例如股票值)的下一个值。我们在 scikit (Python) 上找到了一些示例代码，但我们无法理解其语法。

有人可以帮我们破译这个吗？

    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)

我理解这段代码的前 4 行...我的问题更多的是 y_rbf 行...这到底是如何工作的？我们是否基于训练集进行曲线拟合，然后基于相同的输入向量进行预测？

我不确定语法的含义。如有任何帮助，我们将不胜感激。

谢谢。

Answer 1

最后一行可以分为:

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

1. 您构建一个输出 y 如何依赖于 X 的模型。根据 documentation你:

   Fit the SVM model according to the given training data.

2. 在这里，您使用之前构建的模型来预测每个点的值 (y)。作为documention说:

   Perform regression on samples in X.

这对于实验来说很好，但只是为了让您意识到:一般来说，您需要使用除用于拟合模型的数据之外的数据来测试模型，以避免过度拟合。如果您不熟悉交叉验证，可以阅读有关它的内容。