首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

SVR支持向量回归例子「建议收藏」

SVR软件包的安装:https://www.cnblogs.com/Ran-Chen/p/9462825.html %使用SVR模型,得到输入矢量x(x包含3个变量x1,x2,x3)到输出矢量y(y只包含一个变量)之间的映射关系,也就是计算y=f(x1,x2,x3)函数的f %x1,x2,x3时简单的加法运算 y=x1+x2+x3 %训练个数 训练需要的时间(秒) 误差 相关系数 %100 0.0028 9.3469 0.7711 %500 0.05 7.38 0.8 %1000 0.17 4.5889 0.8618 %10000 4.1250 0.006051 0.9997 %20000 8.98 9.98041e-05 0.9999 %50000 33.24 9.97801e-05 0.9999 %60000 %平方后相加运算 y=x1的平方+x2的平方+x3的平方 %训练个数 训练需要的时间(秒) 误差 相关系数 %100 0.002 3212 0.72033 %500 0.04 2516 0.5748 %1000 0.16 2885 0.62 %10000 12.8 1150 0.7964 %20000 41 376 0.9199 %50000 159 4.90 0.998527 %60000 503 0.92 0.999717 %结论:随着训练SVR模型时使用的数据量变大,训练的效果越好。通过误差变小,相关系数变大来体现。

04
领券