SVR/SVM 输出预测彼此非常相似，但远非真实值

Question

主要思想是根据输入特征预测2个目标输出。

>

输入特征已经使用sklearn中的Standard caler（）进行了缩放。X_train的大小是（190 x 6），Y_train=（190 x 2）。X_test是（20 x 6），Y_test=（20x2）

线性和rbf内核还利用Gridsearch chCV来查找最佳C（线性）、gamma和C（'rbf'）

[问题]我在线性和rbf内核上使用MultiOutputRegressor执行SVR，但是，预测的输出彼此非常相似（不完全是常量预测）并且与y的真实值相去甚远。

下面是散点图表示Y的真实值的图。第一张图片对应于第一个目标的结果，Y[：，0]。而第二张图片是第二个目标，Y[：，1]。

我必须扩展目标输出吗？是否有任何其他有助于提高测试准确性的模型？

我尝试过随机森林回归量并执行调整，测试准确性与我使用SVR获得的准确率大致相似。（以下结果来自 SVR）

最佳参数：{estimator__C'：1}
MAE:[18.51151192 9.604601]#来自线性核

最佳参数 （rbf）： {'estimator__C'： 1， “estimator__gamma”： 1e-09} MAE （rbf）： [17.80482033 9.39780134] #from rbf 内核

非常感谢！非常感谢任何帮助和意见^__^

----------------代码-----------------------------

import numpy as np
from numpy import load

from sklearn.model_selection import train_test_split

from sklearn.svm import SVR
from sklearn.multioutput import MultiOutputRegressor
import matplotlib.pyplot as plt

from sklearn.model_selection import GridSearchCV
from sklearn.metrics import mean_absolute_error 
from sklearn.model_selection import RepeatedKFold
rkf = RepeatedKFold(n_splits=5, n_repeats=3)


#input features - HR, HRV, PTT, breathing_rate, LASI, AI
X = load('200_patient_input_scaled.npy')
#Output features - SBP, DBP
Y = load('200_patient_output_raw.npy')

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.095, random_state = 43)

epsilon = 0.1

#--------------------------- Linear SVR kernel Model ------------------------------------------------------

linear_svr = SVR(kernel='linear', epsilon = epsilon)

multi_output_linear_svr = MultiOutputRegressor(linear_svr)
#multi_output_linear_svr.fit(X_train, Y_train) #just to see the output

#GridSearch - find the best C
grid = {'estimator__C': [1,10,10,100,1000] }
grid_linear_svr = GridSearchCV(multi_output_linear_svr, grid, scoring='neg_mean_absolute_error', cv=rkf, refit=True)
grid_linear_svr.fit(X_train, Y_train)

#Prediction
Y_predict = grid_linear_svr.predict(X_test)


print("\nBest parameter:", grid_linear_svr.best_params_ )
print("MAE:", mean_absolute_error(Y_predict,Y_test, multioutput='raw_values'))



#-------------------------- RBF SVR kernel Model --------------------------------------------------------
rbf_svr = SVR(kernel='rbf', epsilon = epsilon)
multi_output_rbf_svr = MultiOutputRegressor(rbf_svr)

#Grid search - Find best combination of C and gamma
grid_rbf = {'estimator__C': [1,10,10,100,1000], 'estimator__gamma': [1e-9, 1e-8, 1e-7, 1e-6, 1e-5, 1e-4, 1e-3, 1e-2] }
grid_rbf_svr = GridSearchCV(multi_output_rbf_svr, grid_rbf, scoring='neg_mean_absolute_error', cv=rkf, refit=True)

grid_rbf_svr.fit(X_train, Y_train)

#Prediction
Y_predict_rbf = grid_rbf_svr.predict(X_test)


print("\nBest parameter (rbf):", grid_rbf_svr.best_params_ )
print("MAE (rbf):", mean_absolute_error(Y_predict_rbf,Y_test, multioutput='raw_values'))


#Plotting
plot_y_predict = Y_predict_rbf[:,1]
plt.scatter( np.linspace(0, 20, num = 20), Y_test[:,1], color = 'red')
plt.plot(np.linspace(0, 20, num = 20), plot_y_predict)

Answer 1

一个常见的错误是，当人们使用Standard Scaler时，他们会沿着错误的数据轴使用它。您可以缩放所有数据，或者逐行而不是逐列缩放，请确保您做得对！我会手动执行以确保这一点，因为否则我认为它需要不同的Standard Scaler适合每个功能。

[回应/编辑]:我认为这只是否定了StandardScaler通过反转应用程序所做的事情。我并不完全确定StandardScaler的行为，我只是根据经验说了这些，并且在缩放多个特征数据时遇到了麻烦。如果我是你(例如最小最大缩放)，我会喜欢这样的东西:

columnsX = X.shape[1]
for i in range(columnsX):

    X[:, i] = (X[:, i] - X[:, i].min()) / (X[:, i].max() - X[:, i].min())