代码之家 › 专栏 › 技术社区 › van neilsen

Ubuntu 18.04 LTS中的支持向量回归(SVR)图无图

svm scikit-learn machine-learning matplotlib python

van neilsen · 技术社区 · 6 年前

我正在使用中的python 2.7.15rc1 Ubuntu 18.04升 .我试图绘制支持向量回归图,但没有得到任何输出。

import matplotlib
matplotlib.use("Agg")
import numpy as np
from sklearn.svm import SVR
import matplotlib.pyplot as plt

#Generate Sample data
x = np.sort(5 * np.random.rand(40, 1), axis = 0)
y = np.sin(x).ravel()

#Add noise to targets
y[::5] += 3 * (0.5 - np.random.rand(8))

#create classifier regression model
svr_rbf = SVR(kernel="rbf", C=1000, gamma=0.1)
svr_lin = SVR(kernel="linear", C=1000, gamma=0.1)
svr_poly = SVR(kernel="poly", C=1000, gamma=0.1)

#Fit regression model
y_rbf = svr_rbf.fit(x,y).predict(x)
y_lin = svr_lin.fit(x,y).predict(x)
y_poly = svr_poly.fit(x,y).predict(x)

#Plotting of results
lw = 2
plt.scatter(x, y, color="darkorange", label="data")
plt.plot(x, y_rbf, color="navy", lw=lw, label="RBF Model")
plt.plot(x, y_lin, color="c", lw=lw, label="Linear Model")
plt.plot(x, y_poly, color="cornflowerblue", lw=lw, label="Polynomial Model")
plt.xlabel("data")
plt.ylabel("target")
plt.title("Support Vector Regression")
plt.legend()
plt.show()

python高级副总裁.py 不输出任何内容。我错过了要导入的内容吗?或者我们不能画出这张图? 我刚开始学机器

2 回复 | 直到 6 年前

Gambit1614 6 年前

否则,我复制了您的代码并删除了 matplotlib.use(“agg”) ,它在Ubuntu 18.04,matplotlib version 2.2.2上为我工作。你能指定你使用的版本吗?


   
    将numpy导入为np


Y[::5]+=3*(0.5-np.随机.rand(8))


#拟合回归模型

Lw=2
plt.plot(x,y_poly,color=“cornflowerblue”,lw=lw,label=“多项式模型”)。
图例()
    
     herehere

matplotlib.use("Agg")它在Ubuntu18.04上为我工作,Matplotlib版本2.2.2。你能指定你使用的版本吗?



import matplotlib
import numpy as np
from sklearn.svm import SVR
import matplotlib.pyplot as plt

#Generate Sample data
x = np.sort(5 * np.random.rand(40, 1), axis = 0)
y = np.sin(x).ravel()

#Add noise to targets
y[::5] += 3 * (0.5 - np.random.rand(8))

#create classifier regression model
svr_rbf = SVR(kernel="rbf", C=1000, gamma=0.1)
svr_lin = SVR(kernel="linear", C=1000, gamma=0.1)
svr_poly = SVR(kernel="poly", C=1000, gamma=0.1)

#Fit regression model
y_rbf = svr_rbf.fit(x,y).predict(x)
y_lin = svr_lin.fit(x,y).predict(x)
y_poly = svr_poly.fit(x,y).predict(x)

#Plotting of results
lw = 2
plt.scatter(x, y, color="darkorange", label="data")
plt.plot(x, y_rbf, color="navy", lw=lw, label="RBF Model")
plt.plot(x, y_lin, color="c", lw=lw, label="Linear Model")
plt.plot(x, y_poly, color="cornflowerblue", lw=lw, label="Polynomial Model")
plt.xlabel("data")
plt.ylabel("target")
plt.title("Support Vector Regression")
plt.legend()
plt.show()

Sergey Kovalev 6 年前

Matplotlib可以使用几个“后端”中的一个来生成图形。这些后端做不同的事情。在您的情况下,您指定 Agg

matplotlib.use("Agg")

matplotlib.use("GTK3Agg")
matplotlib.use("WXAgg")
matplotlib.use("TkAgg")
matplotlib.use("Qt5Agg")

https://matplotlib.org/faq/usage_faq.html#what-is-a-backend