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

414

5

章 機械学習

図5-59　非線形境界に対して十分に機能しない線形分類器

このデータを線形に分離できないことは明らかです。しかし、「5.6 詳細：線形回帰」基底関数

回帰で学んだように、線形分類器が扱えるようデータを高い次元に投影する方法が考えられます。

例えば、中央の集団を中心とする放射基底関数を使用するのが単純な解の

1

つです。

In[12]: r = np.exp(-(X ** 2).sum(1))

3

次元プロットを使って、追加した次元を可視化しましょう。

Jupyter notebook

を使用している

なら、スライダーを動かしてプロットを回転できます（図 5-60）

In[13]: from mpl_toolkits import mplot3d

def plot_3D(elev=30, azim=30, X=X, y=y):

ax = plt.subplot(projection

='3d')

ax.scatter3D(X[:, 0], X[:, 1], r, c=y, s=50, cmap='autumn')

ax.view_init(elev=elev, azim=azim)

ax.set_xlabel('x')

ax.set_ylabel('y')

ax.set_zlabel('r')

interact(plot_3D, elev=[30, 60], azip=(-180, 180),

X=fixed(X), y=fixed(y));

5.7

 詳細：サポートベクターマシン

415 ...