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

5.7

 詳細：サポートベクターマシン

417

このケースを処理するために、

SVM

実装にはマージンをソフトに（緩和）するための、ある種の

誤差を持ちます。つまり、ポイントがマージンの中に多少入っても構わないことにします。マージ

ンの硬さは、チューニングパラメータ（ほとんどの場合、

C

として知られています）によって制御

します。

C

が非常に大きな場合、マージンは硬く、ポイントはマージンの中に入れません。小さな

C

の場合、マージンは柔らかく、いくつかの点を包含して広げることが可能です。

図5-63は、

C

パラメータの値がマージンの硬軟を通して適合結果にどのような影響を持つかを

視覚的に表しています。

In[17]: X, y = make_blobs(n_samples=100, centers=2,

random_state=0, cluster_std=0.8)

fig, ax = plt.subplots(1, 2, figsize=(16, 6))

fig.subplots_adjust(left=0.0625, right=0.95, wspace=0.1)

for axi, C in zip(ax, [10.0, 0.1]):

model = SVC(kernel='linear', C=C).fit(X, y)

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

plot_svc_decision_function(model, axi) ...