Bilişim dünyasına kaliteli, özgün ve Türkçe içerikler kazandırmayı hedefleyen bir platform..

friends friends friends

Destek Vektör(SVR) ile Tahmin



Gaussian Radial Basis Function

SVR yapmadan önce scaling mutlaka yapılmalı.

Destek Vektör(SVR) ile Tahmin
Veri Kümesi: maaslar.csv (indirmek için tıklayınız)
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

veriler= pd.read_csv("maaslar.csv")

x=veriler.iloc[:,1:2]#eğitim seviyesi
y=veriler.iloc[:,2:]#maaş
X=x.values
Y=y.values

#TEST VE TRAIN VERİLERİ BÖLME

from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.33,random_state=0)

#STANDARTLAŞTIRMA
from sklearn.preprocessing import StandardScaler
sc1=StandardScaler()
x_olcekli=sc1.fit_transform(X)
sc2=StandardScaler()
y_olcekli=sc2.fit_transform(Y)

#SVR
from sklearn.svm import SVR
svr_reg=SVR(kernel='rbf')
svr_reg.fit(x_olcekli,y_olcekli)
plt.scatter(x_olcekli,y_olcekli,color='red')
plt.plot(x_olcekli,svr_reg.predict(x_olcekli),color='blue')

print(svr_reg.predict(11))
print(svr_reg.predict(6.6))


 

Destek vektör SVR Makine Öğrenmesi Yapay Zeka
0 Beğeni
Makine Öğrenmesi
Önceki Yazı

Rassal Ağac(Random Forest) ile Tahmin

12 Nis. 2020 tarihinde yayınlandı.
Sonraki Yazı

k-Means(k-Ortalama)

12 Nis. 2020 tarihinde yayınlandı.
arrow