522105_zh-CN

liliconcom

为什么支持向量回归（SVR）在分析过程中考虑排除的行？

我试图根据连续输入预测连续响应。然而，在分析过程中，我发现 SVR 正在考虑排除的行，我想将其用于模型验证。此外，回归结果无法在 Scikit-Learn 库中复制。

请帮助解决这个问题！

数据探索与可视化苹果系统预测模型和机器学习分享和交流结果回复：为什么支持向量回归 (SVR) 在分析过程中会考虑排除行？

你好，

我刚刚在同一数据集 Tablet Production.jmp 上运行了一个默认的 SVM 模型

我在 Mac 上使用 JMP16.2

我随机选择了 50% 的行并将它们的状态设置为隐藏/排除

我从“分析”菜单运行 SVM 平台，有和没有隐藏/排除状态。

 

看起来平台正在遵守行状态。

 

 

为什么 SciKit 不匹配 JMP？ 它可能与模型的参数化方式有关。

例如，默认的 Fit 可能与 SciKit 中的默认值不匹配。

Support Vector Machines(
 Y( :Dissolution ),
 X(
  :API Particle Size, :Mill Time, :Screen Size, :Mag. Stearate Supplier,
  :Lactose Supplier, :Sugar Supplier, :Talc Supplier, :Blend Time,
  :Blend Speed, :Compressor, :Force, :Coating Supplier, :Coating Viscosity,
  :Inlet Temp, :Exhaust Temp, :Spray Rate, :Atomizer Pressure
 ),
 Fit(
  Kernel Function( "Radial Basis Function" ),
  Gamma( 0.0588235294117647 ),
  Cost( 1 ),
  Validation Method( "None" )
 )
);

 

回复：为什么支持向量回归 (SVR) 在分析过程中会考虑排除行？

感谢您的详细回复，我也升级到了 16.2，重新分析了问题，现在问题不再重复（排除的行也没有出现在预测/残差图中）。 我还可以使用 gamma='auto' 或 (1/features) 复制对 scikit-Learn 的分析。 再次感谢您的详细解答，感激不尽！