522105_zh-TW

liliconcom

為什麼支持向量迴歸 (SVR) 在分析過程中考慮排除行？

我試圖根據連續輸入來預測連續響應。然而，在分析過程中，我觀察到 SVR 正在考慮排除的行，我想將其用於模型驗證。此外，迴歸結果無法在 Scikit-Learn 函式庫中重複。

請幫忙解決這個問題！

數據探索和視覺化蘋果系統預測建模和機器學習分享和交流成果回复：為什麼支持向量回歸 (SVR) 在分析過程中會考慮排除行？

你好，

我剛剛在同一數據集 Tablet Production.jmp 上運行了一個默認的 SVM 模型

我在 Mac 上使用 JMP16.2

我隨機選擇了 50% 的行並將它們的狀態設置為隱藏/排除

我從“分析”菜單運行 SVM 平台，有和沒有隱藏/排除狀態。

 

看起來平台正在遵守行狀態。

 

 

為什麼 SciKit 不匹配 JMP？ 它可能與模型的參數化方式有關。

例如，默認的 Fit 可能與 SciKit 中的默認值不匹配。

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：為什麼支持向量回歸 (SVR) 在分析過程中會考慮排除行？

感謝您的詳細回复，我也升級到了 16.2，重新分析了問題，現在問題不再重複（排除的行也沒有出現在預測/殘差圖中）。 我還可以使用 gamma='auto' 或 (1/features) 複製對 scikit-Learn 的分析。 再次感謝您的詳細解答，感激不盡！