机器数据分析平台

  • 机器数据分析平台 > 使用文档 > 应用平台 > Pandora机器学习工具包 >fit的使用方法详述 > 预测连续指标【回归】 > 支持向量回归 - SVR

    支持向量回归 - SVR

    最近更新时间:2022-02-24 16:50:13

    使用支持向量回归完成回归任务。

    ..| fit SVR degree=<int> random_state=<int> kernel=<linear | poly | rbf(default) | sigmoid | cosine> gamma=<float | scale(default | auto)> coef0=<floats> C=<floats> <target_field> from <feature_field_1> <feature_field_2>...
    

    参数说明:

    • degree参数仅在kernel=poly时有效,它作为多项式核函数中的一个参数。默认值为3。

    • random_state用来指定随机种子,用来控制模型的随机性。如果给定特定值,重新跑模型的时候,可以得出同样的结果。

    • kernel用来指定核函数类型。

      • kernel=linear,即采用线性核函数。
      • kernel=poly,即采用多项式核函数。
      • kernel=rbf,即采用径向基核函数。(默认值)
      • kernel=sigmoid,即采用sigmoid核函数。
      • kernel=cosine,即采用余弦相似度作为核函数。
    • gamma参数仅在kernel为rbf或者poly或者sigmoid时有效,它作为核函数中的一个参数。默认值为scale。/

      • gamma = float,指定一个小数常数作为gamma值。
      • gamma = ‘scale’,gamma值会被设定为1 / (n_features * X.var()) 。(默认值)
      • gamma = ‘auto’,gamma值会被设定1 / n_features。
    • coef0参数仅在kernel为poly或者sigmoid时有效,它作为核函数的常数项,默认值为0。

    • C参数是损失函数中的一个参数,它起到控制正则化强度的效果,必须是正数。C值越大,则正则化强度越小。默认值为1.0。

    以上内容是否对您有帮助?
  • Qvm free helper
    Close