SVR调参

公告

昵称： LR233
园龄： 3年8个月
粉丝： 0
关注： 12

+加关注

随笔分类

随笔档案

文章分类

代码学习

阅读排行榜

View Post

SVR调参，基本就是调俩值，一个C，一个gamma，核函数一般就选择径向基kernel='rbf'。

tips！：其实SVR我觉得就不需要调，一般就俩值（C=100，gamma=0.01 或者 C=1000，gamma=0.01）

1、调惩罚参数C

 1 # SVR调参
 2 from sklearn.model_selection import train_test_split,GridSearchCV,cross_val_score 
 3 from sklearn.svm import SVR
 4 
 5 # 调 C 参数
 6 ScoreAll = []  
 7 param_range = [0.0001,0.001,0.01,0.1,1.0,10.0,100.0,1000.0]
 8 for i in param_range:   
 9     svr = SVR(kernel='rbf', C=i)
10     score = cross_val_score(svr, X_train, Y_train, cv=10).mean()  
11     ScoreAll.append([i,score])  
12 ScoreAll = np.array(ScoreAll)  
13   
14 max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0]                              # 其实就是找出最高得分对应的索引  
15 print("最优参数以及最高得分:",ScoreAll[max_score])    
16 plt.figure()  
17 plt.xlabel('C',size=13)
18 plt.ylabel('score',size=13)
19 plt.plot(ScoreAll[:,0],ScoreAll[:,1]) 
20 plt.grid()         # 生成网格
21 plt.show()

2、调gamma值

 1 # 调 gamma 参数
 2 ScoreAll = []  
 3 param_range = [0.0001,0.001,0.01,0.1,1.0,10.0,100.0,1000.0]
 4 for i in param_range: 
 5     svr = SVR(kernel='rbf', C=100, gamma=i)
 6     score = cross_val_score(svr, X_train, Y_train, cv=10).mean()  
 7     ScoreAll.append([i,score])  
 8 ScoreAll = np.array(ScoreAll)  
 9   
10 max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0]                         # 找出最高得分对应的索引  
11 print("最优参数以及最高得分:",ScoreAll[max_score])    
12 plt.figure()  
13 plt.xlabel('gamma',size=13)
14 plt.ylabel('score',size=13)
15 plt.plot(ScoreAll[:,0],ScoreAll[:,1]) 
16 plt.grid()                    # 生成网格