Python中的SVM数据集拟合错误

我对支持向量机和数据集这件事还不太熟悉。我做了很多研究，但我不知道问题出在哪里

import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import svm

boston = datasets.load_boston()

X, y = boston.data, boston.target
clf = svm.SVC(gamma=0.001, C=100.)
clf.fit(X, y)

clf.predict()

我想让它预测新的价值，但我真的不知道该怎么做。此外，当我试图适应它时，我得到了这个错误

ValueError:未知标签类型：数组（[24,21.6,34.7,33.4,36.2,28.7,22.9,27.1,16.5， 18.9, 15. , 18.9, 21.7, 20.4, 18.2, 19.9, 23.1, 17.5..... 后面是一系列数字

我已经能够将这些函数与我制作的用作测试“数据集”的小数组一起使用

我如何使用SVM来预测这个数据集的新数据？我也不太了解这些

---

基本上，我要做的是从boston获取数据集并预测新数据。交给我的任务是演示使用SVM进行数据建模和预测，并提供测试集和训练集。

boston数据集中的目标是连续的。您使用的是SVM.SVC，这是一种分类算法（支持向量分类）。您可以在此数据集上使用svm.SVR进行回归

import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import svm

boston = datasets.load_boston()

X, y = boston.data, boston.target
reg = svm.SVR(gamma=0.001, C=100.)
reg.fit(X, y)

predictions_training_set = reg.predict(X)

任何算法的

predict

函数都将接受一个参数，即用于进行预测的数据集（X）。在上面的代码中，我使用了用于预测的训练集。通常需要执行训练测试分割。

交叉验证。训练测试分割

函数非常方便。

哦，太好了！谢谢。所以我打印了（预测\u训练\u集）。打印出来的数组代表什么？这些是预测的新值吗？如果是，我如何只预测一定数量的新值？很抱歉，所有的问题，这对我来说都是非常新的。