【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。

【Scikit-learn】サポートベクターマシンで2クラス分類

サポートベクターマシン（略称：SVM）は、教師あり学習モデルの１つです。
2クラスのパターン識別器としては非常に強力なモデルで、データの分類や回帰などで大きな効果を発揮しています。

svm.SVC(gamma, C)

パラメータ	説明
gamma	rbf， poly， sigmoidカーネル(ガウシアンカーネル)のパラメータです。（値が大きいほど境界が複雑になる）
C	どれだけ誤分類を許容するかのパラメータです。（値が小さいほど誤分類を許容）
kernel	非線形の境界線を生成するのに必要なパラメータ。カーネル関数の種類（デフォルトはrbf）。rbf(RBFカーネル), linear(線形カーネル：これを使うと単純な線形となるが処理速度は速い)， poly(多項式カーネル)， sigmoid(シグモイドカーネル)などを指定できる。

サンプルプログラムのソースコードです。

検証結果をみると、「x1とx2の和が10以上・・・x3は1、x1とx2の和が10未満・・・x3は0」と判別していることがわかります。

学習用データ（train.csv）

x1とx2の和が10以上・・・x3は1
x1とx2の和が10未満・・・x3は0

テスト用データ（test.csv）

コラム	概要
決定境界の可視化	決定境界の可視化について解説しています。
多クラス分類	多クラス分類への拡張方法について解説しています。
アヤメの品種ス分類	Irisデータセットを使ったアヤメの品種分類について解説しています。
手書き数字の認識	Digitsデータセットを使った手書き数字画像の認識について解説しています。