小编Tan*_*ogi的帖子

我正在尝试创建 SV 回归。我正在从带有一些高斯噪声的 sinc 函数生成数据。

现在，为了找到 RBF 内核的最佳参数，我通过运行 5 倍交叉验证来使用 GridSearchCV。

PS - 我是 python 和机器学习的新手，所以也许代码在某些方面不是很优化或不正确。

我的代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.svm import SVR
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import mean_squared_error


def generateData(N, sigmaT):  
    # Input datapoints 
    data = np.reshape(np.linspace(-10, 10, N), (N,1))
    # Noise in target with zero mean and variance sigmaT
    epi = np.random.normal(0 , sigmaT, N)

    # Target
    t1 = np.sinc(data).ravel()              # target without noise
    t2 = np.sinc(data).ravel() + epi        # …