質問編集履歴
1
やってみたことについての記載がなかったため、追加しました。他にも資料やウェブページなどを見ましたが理解して実装することができなかったので、訂正もしくはサンプルコードを教えていただけると嬉しいです。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,7 +1,107 @@
|
|
|
1
|
-
|
|
1
|
+
### やりたいこと
|
|
2
2
|
|
|
3
|
-
|
|
3
|
+
- 説明変数が複数あるSVRの実装
|
|
4
4
|
|
|
5
|
-
どなたかデータセット(ex.[wine quality](http://archive.ics.uci.edu/ml/datasets/Wine+Quality), boston)を使って
|
|
6
5
|
|
|
6
|
+
|
|
7
|
+
### 起きている問題
|
|
8
|
+
|
|
9
|
+
ウェブページを参考にやってみましたが、
|
|
10
|
+
|
|
11
|
+
計算結果が出てきませんでした。
|
|
12
|
+
|
|
13
|
+
|
|
14
|
+
|
|
15
|
+
結果が表示されない原因があれば教えてください。
|
|
16
|
+
|
|
7
|
-
|
|
17
|
+
また、以下についても教えていただければ嬉しいです。
|
|
18
|
+
|
|
19
|
+
- パラメータの表示
|
|
20
|
+
|
|
21
|
+
- 予測値をグラフに表す
|
|
22
|
+
|
|
23
|
+
|
|
24
|
+
|
|
25
|
+
使用したデータセットはUCIのBoston house-prices(米国ボストン市郊外における地域別の住宅価格のデータセット)です。
|
|
26
|
+
|
|
27
|
+
|
|
28
|
+
|
|
29
|
+
|
|
30
|
+
|
|
31
|
+
```python
|
|
32
|
+
|
|
33
|
+
import numpy as np
|
|
34
|
+
|
|
35
|
+
from sklearn.svm import SVR
|
|
36
|
+
|
|
37
|
+
from matplotlib import pyplot as plt
|
|
38
|
+
|
|
39
|
+
from sklearn.datasets import load_boston
|
|
40
|
+
|
|
41
|
+
boston = load_boston()
|
|
42
|
+
|
|
43
|
+
import pandas as pd
|
|
44
|
+
|
|
45
|
+
pd.DataFrame(boston.data, columns=boston.feature_names)
|
|
46
|
+
|
|
47
|
+
|
|
48
|
+
|
|
49
|
+
#簡易的にトレーニングデータとテストデータを分けた
|
|
50
|
+
|
|
51
|
+
X = boston.data[:354, :]
|
|
52
|
+
|
|
53
|
+
y = boston.target[:354]
|
|
54
|
+
|
|
55
|
+
|
|
56
|
+
|
|
57
|
+
svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.1)
|
|
58
|
+
|
|
59
|
+
svr_lin = SVR(kernel='linear', C=1e3)
|
|
60
|
+
|
|
61
|
+
svr_poly = SVR(kernel='poly', C=1e3, degree=3)
|
|
62
|
+
|
|
63
|
+
y_rbf = svr_rbf.fit(X, y).predict(X)
|
|
64
|
+
|
|
65
|
+
y_lin = svr_lin.fit(X, y).predict(X)
|
|
66
|
+
|
|
67
|
+
y_poly = svr_poly.fit(X, y).predict(X)
|
|
68
|
+
|
|
69
|
+
|
|
70
|
+
|
|
71
|
+
test_X = boston.data[354:, :]
|
|
72
|
+
|
|
73
|
+
test_y = boston.target[354:]
|
|
74
|
+
|
|
75
|
+
|
|
76
|
+
|
|
77
|
+
test_rbf = svr_rbf.predict(test_X)
|
|
78
|
+
|
|
79
|
+
test_lin = svr_lin.predict(test_X)
|
|
80
|
+
|
|
81
|
+
test_poly = svr_poly.predict(test_X)
|
|
82
|
+
|
|
83
|
+
|
|
84
|
+
|
|
85
|
+
from sklearn.metrics import mean_squared_error
|
|
86
|
+
|
|
87
|
+
from math import sqrt
|
|
88
|
+
|
|
89
|
+
|
|
90
|
+
|
|
91
|
+
# RMSEを計算
|
|
92
|
+
|
|
93
|
+
rbf_rmse = sqrt(mean_squared_error(test_y, test_rbf))
|
|
94
|
+
|
|
95
|
+
lin_rmse = sqrt(mean_squared_error(test_y, test_lin))
|
|
96
|
+
|
|
97
|
+
poly_rmse = sqrt(mean_squared_error(test_y, test_poly))
|
|
98
|
+
|
|
99
|
+
|
|
100
|
+
|
|
101
|
+
```
|
|
102
|
+
|
|
103
|
+
|
|
104
|
+
|
|
105
|
+
参考URL
|
|
106
|
+
|
|
107
|
+
[scikit-learnで多変数の回帰モデル - SVRの比較検証やってみた](https://qiita.com/Leonhalt2714/items/dc704f841d21627e988a)
|