Vliv odebrání příkladů
Support vektory jsou trénovací příklady, které ovlivňují rozhodovací hranici. V tomto cvičení si toto chování ověříš tak, že z trénovací sady odebereš příklady, které support vektory nejsou.
Dataset kvality vína je už načtený do X a y (pouze první dva příznaky). (Poznámka: v plot_classifier() nastavujeme lims, aby oba grafy používaly stejné limity os a bylo je možné přímo porovnat.)
Toto cvičení je součástí kurzu
Linear Classifiers in Python
Pokyny k cvičení
- Natrénuj lineární SVM na celé datové sadě.
- Vytvoř novou datovou sadu obsahující pouze support vektory.
- Natrénuj nový lineární SVM na této menší datové sadě.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Train a linear SVM
svm = SVC(kernel="linear")
svm.fit(____)
plot_classifier(X, y, svm, lims=(11,15,0,6))
# Make a new data set keeping only the support vectors
print("Number of original examples", len(X))
print("Number of support vectors", len(svm.support_))
X_small = X[____]
y_small = y[____]
# Train a new SVM using only the support vectors
svm_small = SVC(kernel="linear")
svm_small.fit(____)
plot_classifier(X_small, y_small, svm_small, lims=(11,15,0,6))