摘 要：本文使用python 的机器学习库——Scikit-learn 实现支持向量回归（SVR）。在人工数据集上，RBF 核的SVR比线性核和多项式核的SVR 表现出了较好的数据拟合能力。本文在经典的UCI 数据集上分别使用线性核、多项式核和RBF 核的SVR 进行回归分析，并对三种模型进行了分析比较。
关键词：Scikit-learn；支持向量；回归分析
中图分类号：TP18 文献标识码：A 文章编号：2096-4706（2019）06-0009-03
Support Vector Regression Analysis Based on Scikit-learn
PAN Xingguang1，LIU Zhizhong2，ZHANG Minggui3
（1.Engineer Training Center，Guizhou Minzu University，Guiyang 550025，China；
2.School of Computer and Information Engineering，Guizhou University of Commerce，Guiyang 550014，China；
3.Educational Administration Department of Guizhou Minzu University，Guiyang 550025，China）
Abstract：In this paper，We use python’s machine learning library——Scikit-learn to do support vector regression （SVR）. In the artificial data set，the SVR of RBF kernel shows better data fitting ability than that of linear kernel and polynomial kernel. In this paper，the SVR of linear kernel，polynomial kernel and RBF kernel are used for regression analysis on classical UCI data sets. The three models are analyzed and compared.
Keywords：Scikit-learn；support vector；regression analysis
参考文献：
[1] 吴炜编. 基于学习的图像增强技术 [M]. 西安：西安电子科技大学出版社，2013.
[2] 王方成. 混合型参数的支持向量回归机建模及优化研究[D]. 河南：郑州大学，2018.
[3] （美）Nello Cristianini，John Shawe-Taylor. 支持向量机导论（第1 版） [M]. 北京：电子工业出版社，2004.
[4] http://archive.ics.uci.edu/ml/index.php，UCI data set.
作者简介：
潘兴广（1979.11-），男，苗族，贵州黄平人，实验师，硕士，研究方向：机器学习、数据挖掘；
牛志忠（1897.11-），男，汉族，江苏淮安人，助教，硕士，研究方向：模式识别、人工智能；
张明贵（1986.11-），男，穿青人，贵州织金人，讲师，硕士，研究方向：图像处理，数据挖掘。