このトピックでは、Support Vector Regression (SVR) アルゴリズムについて説明します。
背景情報
SVRはサポートベクターマシン (SVM) のアプリケーションブランチです。 SVRを使用して、集合内のすべてのデータ要素が最短距離を有する回帰平面を見つけることができる。
シナリオ
SVRは、主に値をフィッティングするために使用される回帰モデルであり、スパースなフィーチャと少数のフィーチャを含むシナリオで使用されます。
例えば、SVRモデルを使用して、都市の温度を予測することができる。 入力特徴は、特定の期間にわたる都市の過去の平均気温、緑のカバー率、地域内の湖の数、および日付などの様々な要因を含むことができる。 モデルの出力は、その期間中の都市の予測された温度とすることができる。
パラメーター
次の表に示すパラメーターの値は、モデルの作成に使用されるCREATE model
ステートメントで指定されたmodel_parameter
パラメーターの値と同じです。 ビジネス要件に基づいてパラメーターを設定できます。
パラメーター | 説明 |
カーネル | カーネル関数。低次元データを高次元空間にマッピングするために使用されます。 有効な値:
|
c | リラクゼーション係数のペナルティ係数。 これは0より大きい浮動小数点数であり、空のままにすることができる。 デフォルト値:1 説明 データ品質が低い場合は、このパラメーターの値を減らすことができます。 |
イプシロン | SVR損失関数のしきい値。 予測値と実際の値との差が閾値に等しい場合、サンプルの損失が計算される。 デフォルト値: 0.1 |
max_iter | 反復の最大数。 有効な値: 正の整数と-1。 デフォルト値: -1。 説明 値を-1に設定した場合、反復回数に制限はありません。 反復は、値が |
例
SVRモデルを作成します。
/*polar4ai*/CREATE MODEL svr1 WITH
( model_class = 'svr', x_cols = 'dx1,dx2', y_cols='y',
model_parameter=(kernel='rbf')) AS (SELECT * FROM db4ai.testdata1);
モデルを評価します。
/*polar4ai*/SELECT dx1,dx2 FROM EVALUATE(MODEL svr1,
SELECT * FROM db4ai.testdata1 LIMIT 10) WITH
(x_cols = 'dx1,dx2',y_cols='y',metrics='r2_score');
予測にモデルを使用します。
/*polar4ai*/SELECT dx1,dx2 FROM
PREDICT(MODEL svr1, SELECT * FROM db4ai.testdata1 LIMIT 10)
WITH (x_cols = 'dx1,dx2');
x_cols
およびy_cols
のデータ型は、浮動小数点または整数である必要があります。