学习笔记：用不同核函数的支持向量机预测波士顿房价

最新推荐文章于 2024-09-06 11:41:43 发布

原创

最新推荐文章于 2024-09-06 11:41:43 发布 · 1.6k 阅读

11 ·

CC 4.0 BY-SA版权

本文通过支持向量机(SVM)预测波士顿房价，探讨了线性、多项式及径向基(RBF)核函数的性能。实验结果显示，RBF核函数在预测中表现出最佳效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码如下：

# -*- coding: utf-8 -*-
"""
Created on Tue May 15 17:23:42 2018

@author: eagle
"""
# =============================================================================
# 不同核函数的支持向量机预测波士顿房价
# =============================================================================

from sklearn.datasets import load_boston
from sklearn.cross_validation import train_test_split
import numpy as np
from sklearn.preprocessing import StandardScaler

from sklearn.svm import SVR

from sklearn.metrics import r2_score,mean_squared_error,mean_absolute_error

#加载房价数据
boston = load_boston()      #共506条数据
print(boston.DESCR)
X = boston.data
y = boston.target


#训练数据和测试数据分割
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.25,random_state = 33)
#print('The max target value is',np.max(boston.target)) #最大值
#print('The min target value is',np.min(boston.target)) #最小值
#print('The average target value is',np.mean(boston.target)) #平均值

#标准化
ss_X = StandardScal