我想将我的分箱数据转换为SVM模型，以根据数百个特征（如身高、年龄等）预测个体的体重。

目前，我的分箱数据（我使用了groupby(pd.cut)）包含体重作为其数据的一部分。此外，我的数据中包含一些NaN值。我想知道：

1. 如何将我的数据分成X和Y（标签）
2. 哪种SVM最适合我的目标
3. 如何用均值替换NaN值（我认为我需要使用Imputer模块？）

提前感谢，我对编程整体来说还是新手，所以请假设我只知道基础知识。

回答：

1. 我假设你有一个形状为[样本数, 特征数]的X。在这种情况下，你需要知道体重特征的索引，然后提取它。类似这样的代码应该可以工作。

   y = Xorg[:,weightind]X = np.delete(X, weightind, 1)

2. 体重是一个连续变量。除非你想将其转换为分类类别（例如，“瘦”，“正常”，“重”）——你需要一个回归器。我不知道你为什么对SVM如此热衷，但有一个SVM回归器 – SVR。如果你问的是SVR的核函数 – 你可以用GridSearchCV尝试几个。

3. 是的，你需要使用Imputer模型。一个简单的用法（用均值替换）将是：

   Ximp = Imputer().fit_transform(X)