【Scikit-learn】学習したSVMモデルの可視化

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とは、統計処理や機械学習、ディープラーニングといった数値計算分野を中心に幅広い用途で利用されている人気なプログラミング言語です。 主な特徴として「効率のよい、短くて読みやすいコードを書きやすい」、「ライブラリが豊富なのでサクッと...

コメント