我正在尝试使用SKlearn SVM预测数据集中的值。在Sklearn website上,我有更多型号:
我的数据集是全数字的(如Iris数据集),没有标签。
我试图以这种方式应用模型:
svclassifier = SVC(kernel='linear')
并且计算时间很长(大约19小时)
我试图在]中更改模型>
svclassifier = SVR()
并且计算非常轻(大约2分钟)
我也用原始值和预测值检查了RMSE,两者之间的差异是如此之近,在SVC中约为6,对于SVR为5.9(在这一方面似乎更好)。
您如何找到适合该模型的模型?我使用的两个模型有什么区别?
编辑:这是我的数据集类型
valueHR values WkHR WkCal WkSteps sec sugar cal carbs fat fiber protein sodium 823 77 0 0 0 0 0 90 0 0 0 0 0 0 824 75 49 0 0 0 0 90 0 0 0 0 0 0
我以这种方式拆分了df
X = data.drop('sugar', axis=1) y = data['sugar']
并且我对X和y进行了测试和训练
此后,我应用SVM预测糖值。
我正在尝试使用SKlearn SVM预测数据集中的值。在Sklearn网站上,我有更多模型:我的数据集是全数字的(如Iris数据集),没有标签。我试图应用...
首先要注意的是数据是线性格式还是非线性格式。