
Знакомство с классификаторами машинного обучения н а осн ове scikit-learn
103
разделяющей границе. Чтобы лучше понять #, давайте применим SVM с ядром RBF
к набору данных цветков ириса:
>>> svm = SVC(kernel='rbf', random_state=1, gamma=0.2, C=1.0)
>>> svm.fit(X_train_std, y_train)
>>> plot_decision_regions(X_combined_std,
... y_combined, classifier=svm,
... test_idx=range(105, 150))
>>> plt.xlabel('Длина л епестка [станда ртизирована]')
>>> plt.ylabel('Ширина лепестка [станд артизирована]')
>>> plt.legend(loc='upper left')
>>> plt.tight_layout()
>>> plt.show()
Поскольку мы выбрали относительно небольшое значение для #