Прогнозы с использованием регрессии опорных векторов ⇐ Python

[Anonymous]

В моей задаче есть четыре функции(X); a,b,c,d и два иждивенца(Y); е, е. У меня есть набор данных, содержащий набор значений для всех этих переменных. Как я могу предсказать значения с помощью регрессии опорных векторов с помощью scikit-learn для переменных e,f, когда заданы новые значения a,b,c,d?
Мне было очень трудно следовать документации scikit-learn по SVR.
Это то, что я делал до сих пор с помощью примера в документации sklearn. р>
train = pd.read_csv('/Desktop/test.csv')
X = train.iloc[:, 4]
y = train.iloc[:, 4:5]

svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.1)
y_rbf = svr_rbf.fit(X, y).predict(X)

lw = 2
plt.scatter(X, y, color='darkorange', label='data')
plt.plot(X, y_rbf, color='navy', lw=lw, label='RBF model')
plt.xlabel('data')
plt.ylabel('target')
plt.title('Support Vector Regression')
plt.legend()
plt.show()

Это выдает ошибку,
ValueError: Expected 2D array, got 1D array instead:
:
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.


Подробнее здесь: https://stackoverflow.com/questions/513 ... regression