Вплив видалення прикладів
Опорні вектори — це тренувальні приклади, які впливають на межу розділення. У цій вправі ви спостерігатимете цю властивість, видаливши не опорні вектори з тренувальної вибірки.
Набір даних про якість вина вже завантажено в X і y (лише перші дві ознаки). (Зверніть увагу: ми задаємо lims у plot_classifier(), щоб обидва графіки мали однакові межі осей і їх можна було безпосередньо порівнювати.)
Ця вправа є частиною курсу
Лінійні класифікатори в Python
Інструкції до вправи
- Натренуйте лінійну SVM на всьому наборі даних.
- Створіть новий набір даних, що містить лише опорні вектори.
- Натренуйте нову лінійну SVM на меншому наборі даних.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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))