Machine de vecteur de support d'apprentissage automatique

○ Les principaux points de cet article Notez que j'ai appris la machine vectorielle de support

Machine de vecteur de soutien: ・ Algorithmes pouvant être utilisés à la fois pour les problèmes de classification et les problèmes de régression ・ De meilleurs résultats peuvent être obtenus qu'en utilisant la régression logistique. ・ Une méthode pour obtenir une meilleure frontière en augmentant la marge (la distance entre les données d'apprentissage les plus proches de la limite de décision et la limite de décision). -Il existe des méthodes de marge dure et de marge souple. Définir avec des hyper paramètres Marge dure: une technique qui ne permet pas aux données de pénétrer dans la marge. Dessiner trop étroitement peut conduire à un surapprentissage. Marge souple: une méthode qui permet aux données d'entrer dans la marge. souple. ・ Apprendre avec l'enseignant

○ Application de code source (Python) au problème de classification binaire

Machine de vecteur de soutien


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

#Génération de données
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)

#Création, formation et évaluation de modèles
model = LinearSVC() 
model.fit(X_train, y_train) #Apprentissage
y_pred = model.predict(X_test) 
accuracy_score(y_pred, y_test) #Évaluation

print(y_test) #Étiquette correcte des données de test
print(y_pred) #Libellé correct des données de prédiction
print(accuracy_score(y_pred, y_test)) #Taux de réponse correct

#Diagramme de dispersion des données de test
fig, ax = plt.subplots()
ax.scatter(X_test[:, [0]], y_test[:], c='blue', label='test data')
ax.legend()

résultat [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

ダウンロード.png

-Les données de test et les données prédites sont en parfait accord, et le taux de réponse correct est de 100%. ・ Cependant, on ne peut pas dire que ce qui précède est un bon modèle en raison du manque de données. Testez le code jusqu'au dernier.

Recommended Posts

Machine de vecteur de support d'apprentissage automatique
Machine Learning: Supervisé - Support Vector Machine
Algorithme d'apprentissage automatique (machine vectorielle de support)
Algorithme d'apprentissage automatique (prise en charge de l'application de machine vectorielle)
Apprentissage automatique ① Résumé SVM (Support Vector Machine)
<Course> Machine Learning Chapitre 7: Support Vector Machine
Apprentissage automatique
[Memo] Apprentissage automatique
Classification de l'apprentissage automatique
Exemple d'apprentissage automatique
[Français] scikit-learn 0.18 Guide de l'utilisateur 1.4. Support Vector Machine
Support Vector Machine (pour les débutants) -Code Edition-
Résumé du didacticiel d'apprentissage automatique
Apprentissage automatique sur le surapprentissage
Apprentissage automatique ⑤ Résumé AdaBoost
Apprentissage automatique: supervisé - AdaBoost
Régression logistique d'apprentissage automatique
Étudier l'apprentissage automatique ~ matplotlib ~
Régression linéaire d'apprentissage automatique
Mémo du cours d'apprentissage automatique
Bibliothèque d'apprentissage automatique dlib
Apprentissage automatique (TensorFlow) + Lotto 6
Apprenez en quelque sorte le machine learning
Bibliothèque d'apprentissage automatique Shogun
Défi de lapin d'apprentissage automatique
Introduction à l'apprentissage automatique
Calcul de la machine à vecteurs de support (SVM) (en utilisant cvxopt)
Apprentissage automatique: k-voisins les plus proches
Qu'est-ce que l'apprentissage automatique?
Modèle d'apprentissage automatique prenant en compte la maintenabilité
L'apprentissage automatique appris avec Pokemon
Ensemble de données pour l'apprentissage automatique
Prétraitement japonais pour l'apprentissage automatique
Apprentissage automatique dans Delemas (s'entraîner)
Une introduction à l'apprentissage automatique
Techniques liées à l'apprentissage automatique / à la classification
Machine Learning: Supervision - Régression linéaire
Bases de l'apprentissage automatique (mémoire)
Un débutant en apprentissage automatique a essayé la RBM
[Apprentissage automatique] Comprendre la forêt aléatoire
Apprentissage automatique avec Python! Préparation
Bloc-notes de ressources d'étude d'apprentissage automatique
Apprentissage automatique ② Résumé Naive Bayes
Comprendre l'apprentissage automatique ~ régression de crête ~.
Résumé de l'article sur l'apprentissage automatique (auto-écrit)
À propos de la matrice mixte d'apprentissage automatique
Apprentissage automatique: forêt supervisée - aléatoire
Mémo pratique du système d'apprentissage automatique
Démineur d'apprentissage automatique avec PyTorch
Créer un environnement d'apprentissage automatique
Programmation Python Machine Learning> Mots-clés
Algorithme d'apprentissage automatique (perceptron simple)
Utilisé en EDA pour l'apprentissage automatique
Importance des ensembles de données d'apprentissage automatique
Apprentissage automatique et optimisation mathématique
Machine learning supervisé (classification / régression)
J'ai essayé d'implémenter Extreme Learning Machine
Commencer avec l'apprentissage automatique Python
Super introduction à l'apprentissage automatique
4 [/] Quatre arithmétiques par apprentissage automatique