Ecco una pasta del codice: SVM sample codeSklearn SVM: SVR e SVC, ottenendo la stessa previsione per ogni ingresso
ho controllato un paio delle altre risposte a questo problema ... e sembra come questa specifica iterazione del problema è un po 'diversa.
Prima di tutto, i miei ingressi sono normalizzati e ho cinque ingressi per punto. I valori sono tutti ragionevolmente dimensionati (sani 0,5 e 0,7 ecc. Ecc. - pochi vicini allo zero o vicino a 1 numeri).
Ho circa 70 ingressi x corrispondenti ai loro ingressi 70 y. Anche gli ingressi y sono normalizzati (sono variazioni percentuali della mia funzione dopo ogni passo temporale).
Inizializzo il mio SVR (e SVC), li alleno, quindi li collaudo con 30 ingressi fuori campione ... e ottengo la stessa identica previsione per ogni input (e gli input cambiano in quantità ragionevoli- -0.3, 0.6, 0.5, ecc.). Vorrei pensare che il classificatore (almeno) avrebbe qualche differenziazione ...
Ecco il codice che ho:
# train svr
my_svr = svm.SVR()
my_svr.fit(x_training,y_trainr)
# train svc
my_svc = svm.SVC()
my_svc.fit(x_training,y_trainc)
# predict regression
p_regression = my_svr.predict(x_test)
p_r_series = pd.Series(index=y_testing.index,data=p_regression)
# predict classification
p_classification = my_svc.predict(x_test)
p_c_series = pd.Series(index=y_testing_classification.index,data=p_classification)
E qui sono campioni dei miei ingressi:
x_training = [[ 1.52068627e-04 8.66880301e-01 5.08504362e-01 9.48082047e-01
7.01156322e-01],
[ 6.68130520e-01 9.07506250e-01 5.07182647e-01 8.11290634e-01
6.67756208e-01],
... x 70 ]
y_trainr = [-0.00723209 -0.01788079 0.00741741 -0.00200805 -0.00737761 0.00202704 ...]
y_trainc = [ 0. 0. 1. 0. 0. 1. 1. 0. ...]
E la matrice x_test
(5x30) è simile alla matrice x_training
in termini di magnitudo e varianza degli ingressi ... stessa per y_testr
e y_testc
.
Attualmente, le previsioni per tutti i test sono esattamente gli stessi (0,00,596 mila per la regressione, e 1 per la classificazione ...)
Come faccio ad avere lo SVR e funzioni SVC a sputare previsioni rilevanti ? O almeno previsioni diverse basate sugli input ...
Per lo meno, il classificatore dovrebbe essere in grado di fare delle scelte. Voglio dire, anche se non ho fornito abbastanza dimensioni per la regressione ...
È necessario fornire un esempio autonomo e eseguibile con dati di esempio che dimostrino effettivamente il problema. – BrenBarn
OK. Un secondo (o come 10 min =) – bordeo
@BrenBarn c'è un collegamento ad un pastebin del codice. Ho incluso i dati completi ... – bordeo