[PYTHON] Maschinelles Lernen unterstützt Vektormaschine
○ Die Hauptpunkte dieses Artikels Beachten Sie, dass ich die Support-Vektor-Maschine gelernt habe
Support Vector Machine: ・ Algorithmen, die sowohl für Klassifizierungsprobleme als auch für Regressionsprobleme verwendet werden können ・ Es können bessere Ergebnisse erzielt werden als mit logistischer Regression. ・ Eine Methode, um eine bessere Grenze zu erhalten, indem der Spielraum vergrößert wird (der Abstand zwischen den Trainingsdaten, die der Entscheidungsgrenze am nächsten liegen, und der Entscheidungsgrenze). -Es gibt Methoden mit hartem und weichem Rand. Mit Hyperparametern einstellen Harter Rand: Eine Technik, bei der keine Daten in den Rand gelangen können. Zu enges Zeichnen kann zu Überlernen führen. Weicher Rand: Eine Methode, mit der Daten innerhalb des Randes eingegeben werden können. flexibel. ・ Mit dem Lehrer lernen
○ Quellcode (Python) Anwendung auf das Problem der binären Klassifizierung
Unterstützung Vektormaschine
from sklearn.svm import LinearSVC
from sklearn.datasets import make_blobs
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
%matplotlib inline
#Datengenerierung
centers = [(-1, -0.125), (0.5, 0.5)]
X, y = make_blobs(n_samples=50, n_features=2, centers=centers, cluster_std=0.3)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
#Modellerstellung, Schulung und Bewertung
model = LinearSVC()
model.fit(X_train, y_train) #Lernen
y_pred = model.predict(X_test)
accuracy_score(y_pred, y_test) #Auswertung
print(y_test) #Richtige Kennzeichnung der Testdaten
print(y_pred) #Richtige Bezeichnung der Vorhersagedaten
print(accuracy_score(y_pred, y_test)) #Richtige Antwortrate
#Streudiagramm der Testdaten
fig, ax = plt.subplots()
ax.scatter(X_test[:, [0]], y_test[:], c='blue', label='test data')
ax.legend()
Ergebnis [1 0 0 1 0 0 0 1 1 0 0 1 1 1 0] [1 0 0 1 0 0 0 1 1 0 0 1 1 1 0] 1.0
-Die Testdaten und die Vorhersagedaten stimmen perfekt überein und die richtige Antwortrate beträgt 100%. ・ Es kann jedoch nicht gesagt werden, dass das oben Genannte aufgrund des Mangels an Daten ein gutes Modell ist. Testcode bis zum letzten.
Recommended Posts