※ 株式会社GIGでは毎月社内勉強会を実施しています
GIG inc.
Good is good.
We provide opportunities to the SEKAI by fusing technology and ideas.
テクノロジーとクリエイティブでセカイをより良くする。小さなチームからスタートした多くの先人達が、世界をより豊かなモノに変革してきました。通信、UX、デバイス、技術の変化と共に世界はまだまだ加速度的に変わります。
Good is good. いいものはいい。GIGは、関わったユーザーやクライアントが前に進める“きっかけ”をつくりつづけます。
「機械学習の教師あり学習をやってみる」を公開
■ お問い合せ
https://giginc.co.jp/contact/
19. SVMとは
● SVM
サポートベクターマシン(英: support vector machine, SVM)は、教師あり学習を用いるパターン認識モデルの一
つである。分類や回帰へ適用できる。1963年に Vladimir N. Vapnik, Alexey Ya. Chervonenkis が線形サポートベク
ターマシンを発表し[1]、1992年に Bernhard E. Boser, Isabelle M. Guyon, Vladimir N. Vapnik が非線形へと拡張し
た。
サポートベクターマシンは、現在知られている手法の中でも認識性能が優れた学習モデルの一つである。サポート
ベクターマシンが優れた認識性能を発揮することができる理由は、未学習データに対して高い識別性能を得るため
の工夫があるためである。
34. さっそくデータ読み込み
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import svm
from sklearn.svm import SVC
from sklearn import cross_validation
from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.grid_search import GridSearchCV
from sklearn import preprocessing
iris = datasets.load_iris()
X = iris.data
Y = iris.target
Pandas, numpy, scikit-learn, matplotlib等必要なライブラリを読み込みます。
今回はscikit-learnのdatasetsに用意されているIrisデータセットをload_iris()で読み込みます。