Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

408

5

章 機械学習

In[1]: %matplotlib inline

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

# use Seaborn plotting defaults

デフォルトで

seaborn

を使用する

import seaborn as sns; sns.set()

5.7.1

 サポートベクターマシンの必要性

ベイズ分類（「5.5 詳細：ナイーブベイズ分類」を参照）を取り上げた際に、各クラスの分布を表

す簡単なモデルを基にした生成モデル（

generative model

）を使用して、新しいポイントのラベルを

確率的に求めました。それは生成分類の一例でしたが、ここでは識別分類で各クラスをモデリング

するのではなく、単純にクラスを分割する直

線や曲線（

2

次元の場合）または多様体（多次元の場合）

を見つけます。

一例として、

2

つのクラスが明確に分かれている場合の、単純な分類について考えてみましょう

（図5-53）。

In[2]: from sklearn.datasets.samples_generator import make_blobs

X, y = make_blobs(n_samples=50, centers=2,

random_state=0, cluster_std=0.60)

plt.scatter(X[:, 0], X[:, 1], c=y, s=50, cmap='autumn'); ...