Efectul eliminării exemplelor
Vectorii suport sunt definiți ca acele exemple de antrenament care influențează frontiera de decizie. În acest exercițiu, vei observa acest comportament eliminând din setul de antrenament exemplele care nu sunt vectori suport.
Setul de date privind calitatea vinului este deja încărcat în X și y (doar primele două caracteristici). (Notă: specificăm lims în plot_classifier() pentru ca cele două grafice să folosească aceleași limite de axă și să poată fi comparate direct.)
Acest exercițiu face parte din cursul
Clasificatori liniari în Python
Instrucțiuni pentru exercițiu
- Antrenează un SVM liniar pe întregul set de date.
- Creează un nou set de date care conține doar vectorii suport.
- Antrenează un nou SVM liniar pe setul de date mai mic.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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))