我想使用scikit-learn计算某些数据的方程式。我使用以下代码将曲线拟合到数据中：
svr_lin = SVR(kernel='linear', C=1e3)
y_lin = svr_lin.fit(X, y).predict(Xp)
但是我不知道该怎么做才能得到拟合模型的精确方程。你知道我怎么得到这些方程式吗？
这是一个例子：
from sklearn.datasets import load_boston
from sklearn.svm import SVR
boston = load_boston()
X = boston.data
y = boston.target
svr = SVR(kernel='linear')
svr.fit(X,y);
print('weights: ')
print(svr.coef_)
print('Intercept: ')
print(svr.intercept_)
输出为：
weights:
[[-0.14125916 0.03619729 -0.01672455 1.35506651 -2.42367649 5.19249046
-0.0307062 -0.91438543 0.17264082 -0.01115169 -0.64903308 0.01144761
-0.33160831]]
Intercept:
[ 11.03647437]
对于线性核，您的拟合模型是一个超平面（ω ^ [T] x + b = 0），其中ω是权重的向量，b是截距。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句