ćwiczenie

Efekt usuwania przykładów

Wektory nośne to takie przykłady treningowe, które wpływają na granicę decyzyjną. W tym ćwiczeniu zaobserwujesz to zachowanie, usuwając ze zbioru treningowego przykłady niebędące wektorami nośnymi.

Zbiór danych dotyczący jakości wina jest już załadowany do X i y (tylko dwie pierwsze cechy). (Uwaga: parametr lims w funkcji plot_classifier() jest ustawiony tak, aby oba wykresy używały tych samych zakresów osi i można je było bezpośrednio porównać.)

Instrukcje

100 XP

Wytrenuj liniową SVM na całym zbiorze danych.
Utwórz nowy zbiór danych zawierający wyłącznie wektory nośne.
Wytrenuj nową liniową SVM na tym mniejszym zbiorze danych.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

ćwiczenie