SVM预测（SVC vs SVR）

Question

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...

Answer 1

首先要注意的是数据是线性格式还是非线性格式。