はじめに 多変数の回帰モデルをやろうとしており、数ある機械学習の手法をいくつかピックアップして、精度を比較検証したい。 scikit-learnというPythonの機械学習ライブラリには、色々と実装されており便利なので、サクッと使ってやってみた。 まずデモ Examplesで紹介されているのが以下、 import numpy as np from sklearn.svm import SVR import matplotlib.pyplot as plt %matplotlib inline # インプットを乱数で生成 X = np.sort(5 * np.random.rand(40, 1), axis=0) # アウトプットはsin関数 y = np.sin(X).ravel() # アウトプットにノイズを与える y[::5] += 3 * (0.5 - np.random.rand(
![scikit-learnで多変数の回帰モデル - SVRの比較検証やってみた - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/02b48a223c20248def5fd745b37da537f8143086/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9c2Npa2l0LWxlYXJuJUUzJTgxJUE3JUU1JUE0JTlBJUU1JUE0JTg5JUU2JTk1JUIwJUUzJTgxJUFFJUU1JTlCJTlFJUU1JUI4JUIwJUUzJTgzJUEyJUUzJTgzJTg3JUUzJTgzJUFCJTIwLSUyMFNWUiVFMyU4MSVBRSVFNiVBRiU5NCVFOCVCQyU4MyVFNiVBNCU5QyVFOCVBOCVCQyVFMyU4MiU4NCVFMyU4MSVBMyVFMyU4MSVBNiVFMyU4MSVCRiVFMyU4MSU5RiZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1jbGlwPWVsbGlwc2lzJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9Yzc4NjliMWRiMzg0MTA4ZDg2MGJmMTgzMTU5MTI0MWY%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwTGVvbmhhbHQyNzE0JnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0xMmE1MjYxOGQxMDM2ZmViNGE5NjAzOWM2MmNmNjAxMg%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3Dd2c682da724b7da4cbb67e0efc9f041f)