我有40000个资产的时间序列。我把数据分为训练和目标数据。训练数据有119天的回报,目标数据有59天。我故意这样分的。在
列车:(119排回程,40000个不同系列) 目标:(59行退货,相同的40000系列)
我运行了以下代码以适应模型:
SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-185-2a0fd827e2a4> in <module>()
1
2
----> 3 SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())
C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\base.pyc in fit(self, X, y, sample_weight)
174
175 seed = rnd.randint(np.iinfo('i').max)
--> 176 fit(X, y, sample_weight, solver_type, kernel, random_seed=seed)
177 # see comment on the other call to np.iinfo in this file
178
C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\base.pyc in _dense_fit(self, X, y, sample_weight, solver_type, kernel, random_seed)
229 cache_size=self.cache_size, coef0=self.coef0,
230 gamma=self._gamma, epsilon=self.epsilon,
--> 231 max_iter=self.max_iter, random_seed=random_seed)
232
233 self._warn_from_fit_status()
C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\libsvm.pyd in sklearn.svm.libsvm.fit (sklearn\svm\libsvm.c:1864)()
ValueError: Buffer has wrong number of dimensions (expected 1, got 2)
从研究中,我发现使用支持向量机最常见的答案是形状必须“匹配”,但是我如何用不同大小的数据来拟合支持向量机呢?在
编辑:在这方面还需要一些帮助,我如何预测成千上万的预测,而不仅仅是下一个?在
问题出在
fit
调用中的第二个参数。在作为per documentation,第二个参数需要是一个n个样本的数组,其中n是实例的数量,等于作为第一个参数(X)传递的矩阵的行数。在
因此,如果第一个参数的大小为
40.000 x 119
(因为您将其转置),那么第二个参数需要是一个大小为40.000 x 1
的数组。在但是,根据错误判断,您的第二个参数有可能超过1列(即2列)。在
相关问题 更多 >
编程相关推荐