sklearn.datasets
: 用來匯入內建之波士頓房地產資料庫sklearn.SVR
: 支持向量機回歸分析之演算法matplotlib.pyplot
: 用來繪製影像datasets.load_boston()
將資料存入至boston
。 使用datasets.data
將士頓房地產資料的數據資料(data)匯入到X
。 使用datasets.target
將士頓房地產資料的預測數值匯入到y
。 為一個dict型別資料,我們看一下資料的內容。SVR
的使用sklearn.svm.SVR
(kernel='rbf', degree=3, gamma='auto', coef0=0.0, tol=0.001, C=1.0, epsilon=0.1, shrinking=True, cache_size=200, verbose=False, max_iter=-1)clf = SVR(kernel='rbf', C=1e3, gamma=0.1)
,將SVR演算法引入到clf,並設定SVR演算法的參數。 使用clf.fit(X, y)
,用波士頓房地產數據(boston.data)以及預測目標(y)來訓練預測機clfjoblib.dump
匯出預測器joblib.dump
將SVR預測器匯出為pkl檔。clf=joblib.load("./machine_SVR.pkl")
將pkl檔匯入為一個SVR預測器clf
。接著使用波士頓房地產數據(boston.data),以及預測目標(y)來訓練預測機clf clf.fit(boston.data, y)
。最後,使用predict_y=clf.predict(boston.data[2])
預測第三筆資料的價格,並將結果存入predicted_y
變數。score
計算準確率predict=clf.predict(X)
將所有波士頓房地產數據丟入clf預測機預測,並將所預測出的結果存入predict
。接著使用clf.score(X, y)
來計算準確率,score=1為最理想情況,本範例中score
=0.99988275378631286