回归业务 交通流量预测 SVM.SVR - 图1

用svm 做回归，要调三个参数：

回归业务 交通流量预测 SVM.SVR - 图2

rbf 升维 回归也要升维

epsilon 反应了支持向量的间距， 形成带子，

回归业务 交通流量预测 SVM.SVR - 图3

关注带子之外的点的误差的最小值，反推支持向量的kb （解析式

回归业务 交通流量预测 SVM.SVR - 图4

所有特征都要编码，y则是连续回归

网格搜索得到一个模型，分类器，底层要做交叉验证，只能分类业务使用

回归业务不能用网格搜索，只能for 循环嵌套遍历参数

小结

回归业务 交通流量预测 SVM.SVR - 图5

岭回归达不到的效果，交给svm可能会很好，自己去扩展特征，场景很广

分类用森林往往很好

主要还是和样本空间分布状态有关，当出现堆状分布，聚集分布，中间密集时，往往贝叶斯高斯 效果很好

比如随着时间轴变化，应该是高斯分布，某个时间的样本最多，多个高斯叠加也是高斯

回归业务 交通流量预测 SVM.SVR - 图6

回归模型的选择，只能for嵌套超参数，看r2得分