Dampak menghapus contoh
Support vector didefinisikan sebagai contoh pelatihan yang memengaruhi batas keputusan. Dalam latihan ini, Anda akan mengamati perilaku tersebut dengan menghapus contoh yang bukan support vector dari himpunan pelatihan.
Himpunan data kualitas wine sudah dimuat ke dalam X dan y (hanya dua fitur pertama). (Catatan: kami menentukan lims dalam plot_classifier() agar kedua plot menggunakan batas sumbu yang sama dan dapat dibandingkan secara langsung.)
Latihan ini merupakan bagian dari kursus
Klasifikator Linear di Python
Instruksi latihan
- Latih SVM linear pada seluruh himpunan data.
- Buat himpunan data baru yang hanya berisi support vector.
- Latih SVM linear baru pada himpunan data yang lebih kecil.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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))