sklearn-12 regression 3 svr

1. svr

svr은 svm모델을 회귀 문제에 사용한 것이다.

from sklearn.svm import SVR
svm_regre = SVR()
svm_regre.fit(X_train['s6'].values.reshape((-1,1)), y_train)
y_pred = svm_regre.predict(X_test['s6'].values.reshape((-1,1)))
print('단순서포트벡터머신회귀 r2:{:}'.format(r2_score(y_test,y_pred)))

단순서포트벡터머신회귀 r2:0.055470692167365

svm을 이용한 회귀를 하기 위한 svr을 불러오고 r2 score를 확인한다.

for i in [2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]:
  svm_regr = SVR(C=i)
  svm_regr.fit(X_train, y_train)
  y_pred = svm_regr.predict(X_test)
  print('단순서포트벡터머신회귀 c:{:} r2:{:.2f}'.format(i, r2_score(y_test,y_pred)))
  
단순서포트벡터머신회귀 c:2 r2:0.29
단순서포트벡터머신회귀 c:3 r2:0.35
단순서포트벡터머신회귀 c:4 r2:0.39
단순서포트벡터머신회귀 c:5 r2:0.42
단순서포트벡터머신회귀 c:6 r2:0.44
단순서포트벡터머신회귀 c:7 r2:0.46
단순서포트벡터머신회귀 c:8 r2:0.47
단순서포트벡터머신회귀 c:9 r2:0.48
단순서포트벡터머신회귀 c:10 r2:0.49
단순서포트벡터머신회귀 c:11 r2:0.49
단순서포트벡터머신회귀 c:12 r2:0.50
단순서포트벡터머신회귀 c:13 r2:0.50
단순서포트벡터머신회귀 c:14 r2:0.50
단순서포트벡터머신회귀 c:15 r2:0.50
단순서포트벡터머신회귀 c:16 r2:0.50
단순서포트벡터머신회귀 c:17 r2:0.50
단순서포트벡터머신회귀 c:18 r2:0.50
단순서포트벡터머신회귀 c:19 r2:0.50
단순서포트벡터머신회귀 c:20 r2:0.50

c값을 변경해 가며 r2를 확인한다.