【Scikit-learn】学習したSVMモデルの可視化

Scikit-learn

2020.04.142024.06.30

Pythonライブラリ「Scikit-learn」で学習したSVMモデルの可視化を行います。

【決定境界の描画】学習したSVMモデルの可視化

Scikit-learnで作成した学習済みモデルをグラフで可視化（生成された決定境界を描画）します。
やり方は簡単で、説明変数に合わせた細かい入力データを作り、学習したモデルで分類を行い塗りつぶしていきます。
その際、各クラスを色分けしてプロットすることで、決定境界（分類の境界線）が浮かび上がります。
細かいデータを作る際は、numpyのmeshgridを使うと便利です。

動画解説

サンプルコード

ロードする入力データは、前項と同じものです。

実行結果

パラメータを色々変えて実行した結果です。

■gamma = 0.001, C=100., kernel=’linear’

■gamma = 0.001, C=100., kernel=’rbf’

■gamma = 0.01, C=10., kernel=’rbf’
gammmaが大きいほど境界が複雑になり、Cが小さいほど誤分類を許容します。

■gamma = 0.1, C=1., kernel=’rbf’

■gamma = 0.1, C=1., kernel=’poly’

■gamma = 0.1, C=100., kernel=’sigmoid’

【Scikit-learn】サポートベクタマシン(SVM)で教師あり学習（分類器作成）

Pythonと機械学習ライブラリ「scikit-learn」を用いて、サポートベクタマシン(SVM)による教師あり学習を行う方法について紹介します。

【Python超入門】使い方とサンプル集

Pythonの使い方について、基礎文法から応用例まで入門者向けに解説します。

コメント