使用SVR预测股价时输出全为同一值的问题排查与解决

我之前用SVR做股价预测时也碰到过一模一样的情况——所有预测值完全相同，这大概率是模型没学到数据里的有效模式。结合你的代码来看，主要有几个可以调整的点，咱们一步步来解决：

先贴出你的原代码方便对照：

import pandas as pd
import numpy as np
from sklearn.svm import SVR
train= pd.read_csv("ntrain1.csv")
X_train = train.drop("Close Now",1)
Y_train = train["Close Now"]
clf = SVR(kernel= 'rbf', C=100000, gamma=0.2, epsilon = 0.1)
clf.fit(X_train, Y_train)
test= pd.read_csv("ntestbri.csv")
X_test = test.drop("Close Now",1)
Y_test = test["Close Now"]
y_prediksi = clf.predict(X_test)
y_prediksi_series = pd.Series(y_prediksi)
y_prediksi= pd.DataFrame()
y_prediksi["y_prediksi"] = y_prediksi_series
y_prediksi.to_csv("npredksibri3.csv")
rmse = np.sqrt( mean_squared_error( Y_test, y_prediksi ) )
rmse

问题根源分析 #

你遇到的恒定预测值问题，常见原因有三个：

1. 特征未标准化：SVR对特征的尺度极其敏感，如果你的输入特征量级差异很大，模型会优先关注量级高的特征，甚至直接忽略其他特征，最后只能输出接近训练集目标均值的恒定值。
2. 超参数设置不合理：你设置的C=100000太大了，这会让模型过度追求拟合训练数据，但如果特征没做标准化，反而会导致模型无法捕捉到有效规律；另外gamma=0.2的取值可能也不适合你的数据。
3. 特征与目标无相关性：如果输入的特征和Close Now没有明显关联，模型自然学不到东西，只能输出恒定值。

修复方案及改进代码 #

针对这些问题，我整理了改进后的代码，一步步解决问题：

import pandas as pd
import numpy as np
from sklearn.svm import SVR
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import GridSearchCV

# 加载训练和测试数据
train = pd.read_csv("ntrain1.csv")
test = pd.read_csv("ntestbri.csv")

# 分离特征和目标变量（注意axis=1，原代码里的drop("Close Now",1)在新版本pandas会报警告）
X_train = train.drop("Close Now", axis=1)
Y_train = train["Close Now"]
X_test = test.drop("Close Now", axis=1)
Y_test = test["Close Now"]

# 关键步骤：标准化特征
# 必须先拟合训练集的缩放器，再用它转换测试集，避免数据泄露
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 用网格搜索自动找最优超参数，比手动调参靠谱多了
param_grid = {
    'C': [10, 100, 1000],  # 缩小C的范围，先从合理区间试起
    'gamma': [0.001, 0.01, 0.1],  # gamma通常取较小值
    'epsilon': [0.01, 0.1, 0.5]
}
# 用5折交叉验证，以负均方误差作为评分标准
grid = GridSearchCV(SVR(kernel='rbf'), param_grid, cv=5, scoring='neg_mean_squared_error')
grid.fit(X_train_scaled, Y_train)
print("找到的最优超参数:", grid.best_params_)

# 使用最优参数的模型做预测
clf = grid.best_estimator_
y_prediksi = clf.predict(X_test_scaled)

# 保存预测结果（简化了原代码的DataFrame创建步骤）
y_prediksi_df = pd.DataFrame({"y_prediksi": y_prediksi})
y_prediksi_df.to_csv("npredksibri3.csv", index=False)

# 计算RMSE（原代码里漏了导入mean_squared_error，这也是个小问题）
rmse = np.sqrt(mean_squared_error(Y_test, y_prediksi))
print("最终RMSE值:", rmse)

额外建议 #

• 先检查一下训练集Y_train的均值，如果你的恒定预测值和这个均值接近，那基本就是模型没学到东西，标准化和调参后应该会有改善。
• 可以先做个特征相关性分析，比如用train.corr()["Close Now"]看看每个特征和目标值的相关性，把相关性极低的特征删掉，减少噪音。

内容的提问来源于stack exchange，提问作者Maulita