033_【分類】SVM（サポートベクターマシン）の使い方

#1　ランダムの種：1、特徴量：2、塊数：3、ばらつき：2、点の数：500個のデータセットを作成
#2　訓練データ、テストデータに分ける
#3　訓練データを使ってロジスティック回帰の学習モデルを作成
#4　テストデータを使って正解率を調べる
#5　テストデータを使ってこの学習モデルの分類の様子を表示する


from sklearn import svm

X, y = make_blobs(    #1
    random_state=1,
    n_features=2,
    centers=3,
    cluster_std=2,
    n_samples=500) 

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)     #2

model = svm.SVC(kernel="linear")    #3
model.fit(X_train, y_train)

pred = model.predict(X_test)    #4
score = accuracy_score(y_test, pred)
print("正解率:", score*100, "%")

df = pd.DataFrame(X_test)   #5
plot_boundary(model, df[0], df[1], y_test, "df [0]", "df [1]")

#1　訓練データを使ってガウスカーネル法のSVMで学習モデルを作成
#2　テストデータを使って正解率を調べる
#3　テストデータを使ってこの学習モデルの分類の様子を表示する


model = svm.SVC(kernel="rbf", gamma=1)    #1
model.fit(X_train, y_train)

pred = model.predict(X_test)    #2
score = accuracy_score(y_test, pred)
print("正解率:", score*100, "%")

df = pd.DataFrame(X_test)   #3
plot_boundary(model, df[0], df[1], y_test, "df [0]", "df [1]")